帝国竞争算法的改进研究及其应用.pdf

摘 要 Imperialist CompetitiveAlgorithm ICA Atashpaz-Gargari 帝国竞争算法 （ ， ）是由 和 Lucas提出的一种群智能算法，该算法来源于对人类社会中国家的演变过程的模拟。种 群内的个体被视为 “国家”，在种群中，根据适应度的优劣，挑选出多个国家当做殖民 国家，其它国家被视为殖民地，通过巧妙的设置其中的侵略、竞争机制，进而实现对优 化问题的求解。作为一个出现时间较晚的群智能算法，ICA 自提出后，便引起了该领域 内研究者的关注，并进行了优化算法性能、挖掘算法新应用等方面的积极探索。该算法 已经在包括诸如工程、物流、电力、医学等多个领域内得到了应用。相关的研究表明， ICA 仍然存在种群多样性下降较快、容易早熟收敛和解精度低等问题。为了克服该算法 的这些弱点，改善算法的性能，本文对该算法进行深入的研究，提出了三种改进算法。 分别是：双同化机制帝国竞争算法、自适应竞争的帝国竞争算法和具有殖民地反向学习 的帝国竞争算法。本文的主要研究工作如下： （1）提出了一种双同化机制的帝国竞争算法。ICA 算法采用贪婪更新策略，所以 种群容易聚集于最优个体周围，且殖民国家和殖民地之间的状态相似度较高，即：种群 的多样性下降，造成算法过早收敛。为了较好的保持种群的多样性，借鉴教与学优化算 法的思想，引入殖民国家之间的互学习策略，以使算法具有一定的扩散能力，扩大了种 群的有哪些信誉好的足球投注网站范围。在Benchmark 函数上的仿真实验显示，双同化机制的帝国竞争算法在寻 优精度和稳定性上较标准ICA 算法均有显著的提高。 （2）提出了一种自适应竞争的帝国竞争算法。为了提高算法求解精度，在ICA 算 法中设置了自适应的竞争系数，该参数根据迭代次数变化，算法的早期为一个较小的值， 提高领域有哪些信誉好的足球投注网站能力，而随着迭代的进行，取值逐渐变大，以加快算法的收敛。相关实验 表明，自适应竞争的帝国竞争算法具有较好的收敛速度和求解精度，优于标准ICA。 （3）研究了基于帝国竞争算法求解作业车间调度问题。为了更好的解决作业车间 调度问题，针对帝国竞争算法的弱点做出改进，提出了具有殖民地反向学习的帝国竞争 算法。在帝国竞争过程之后加入了殖民地改革操作，引入了殖民地的反向学习策略，将 每个帝国中最弱的殖民地分别用一个反向解来代替，使得算法探索新解的能力得以加 强。仿真测试结果表明，该改进算法在稳定性和求解精度上都表现出了优良的性能。 关键字：帝国竞争算法 双同化机制 自适应竞争系数 作业车间调度 I ABSTRACT Imperialist CompetitiveAlgorithm (ICA) isproposed byAtashpaz-Gargari and Lucas, belongs to the swarm intelligence algorithm.The algorithm is derived from the simulation ofthe evolution of countries in human society.Individualsin thepopulation areregarded as countries. In the population, according to the fitness, several countries are selected as colonial countries,while other countries areregarded ascolonies.By ingeniously settingup the aggression and competition mechanism, the optimization problem can be solved.As a emerging swarm intelligence algorithm, ICA has attracted the attention of researchers in this field since it