帝国竞争算法在组合优化问题上的应用研究综述资源-CSDN文库

5星 · 超过95%的资源需积分: 34 91 浏览量 2013-04-29 00:24:28 上传评论收藏 3.71MB DOC 举报

资源推荐

资源详情

资源评论

第 1 页

帝国竞争算法在组合优化问题上的应用研究综述

rajya

[摘要]

ICA 是一种由帝国竞争激发的社会启发性的优化算法。它由一个初始化群体开始，并通过

同化，位置互换，帝国竞争，以及淘汰来进行优化。它始于一个初始的群体，并且通过几

个特定的步骤高效的对搜索范围进行搜索，并收敛到最优解或者接近最优解。 ICA 在过程

计划方面的优越性可以通过文献中大量的基准方程的测试来体现。

［关键词］群体智能；启发算法；帝国竞争

一、发展背景

目前为止，优化算法已经提出了多种，例如 Holland 教授提出的模拟自然界遗传机制和生

物进化论而形成的一种并行随机搜索最优化方法，即遗传算法，由 Eberhart 和 Kennedy 博

士源于对鸟群捕食的行为研究而提出的粒子群优化算法等，其都属于自然启发的计算的一

个分支，即生物启发的计算，而帝国竞争优化算法是属于自然启发计算的另一分支，即社

会启发的计算，基于帝国主义殖民竞争的机制的新优化算法。 ICA 是一种新型的基于群体

的优化算法，由 Atashpaz-Gargari 和 Lucas 提出。

群体中的每一个都代表一个国家，所有的国家被分为两类：帝国和殖民地。帝国是初始化

时最强的几个国家，其余的国家就是帝国的殖民地。殖民地在初始化时被归给初始的帝国

帝国主义者与其殖民地组成一个帝国。每个国家的实力显示了这个国家的适应性。在迭代

与优化过程中，帝国们相互竞争来获得更多的殖民地。更强大的帝国将得到更多的殖民地

弱小的帝国则会失去殖民地。当所有的殖民地都归属于同一个帝国时，算法结束。

二、帝国竞争模型及流程

帝国竞争算法主要分为以下几个部分：

1 初始化帝国

在搜索空间内随机生成一些向量，这些向量称为国家，这些国家随机的分布在要搜索的空

间里，这些国家势力的大小通过一个代价函数来衡量，与代价函数值成反比，即代价函数

值越小，国家势力越大。一定数量的势力中较大的国家被选作帝国主义国家，剩下的国家

作为殖民地国家。根据帝国主义国家势力的大小，把殖民地国家分配给帝国主义国家。一

个帝国

主义国家及其分到的殖民地国家组成一个帝国。

2 同化政策

在现实世界里，帝国主义国家为了更好地控制其殖民地国家，把自己的文化及规则推广到

殖民地国家，这个过程称为同化。在 CCA 算法中，即殖民地国家代表的搜索空间中的位置

向帝国主义国家所代表的位置靠近，随机移动一定的距离，沿两个位置连线所在的直线，

指向帝国主义国家所在的空间位置。殖民地国家所在空间位置移动后，可能是一个更好的

位置，因此有可能取代它所属于的帝国主义国家。

3 帝国主义国家间的竞争

正如社会历史事实，帝国主义国家通过占有别的帝国主义国家所属的殖民地国家来增加自

己的势力。在 CCA 算法中这样描述：先计算每个帝国的总势力，即帝国主义国家的势力加

上其所有殖民地国家势力的平均值的一部分。竞争的结果是把总势力最弱的帝国中最弱的

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

内容反馈

豪森

2013-05-26

很好的资料好好看看会有收获

rajya

粉丝: 9
资源: 5

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip