帝国竞争算法的进化优化

为了改善帝国竞争算法（imperialist competitive algorithm,ICA）易早熟收敛、精度低等缺点,提出了两种基于生物进化的改进ICA算法。针对殖民地改革算子可能使势力较强的殖民地丢失,导致寻优精度降低的不足,引入了一种微分进化算子,利用殖民地之间的信息交互产生新的殖民地,在增强群体多样性的同时保留了优秀个体。另外,针对帝国之间缺乏有效的信息交互这一情况,引入了克隆进化算子,对势力较强的国家进行克隆繁殖,并经过克隆群体的高频变异和随机交叉,选择势力较强的国家取代势力较弱的国家,从而有效地引导算法向最优解方向搜索。将算法应用于6个基准函数和6个经典复合函数优化问题,并与其他ICA改进算法进行比较,结果表明,基于生物进化的ICA算法在收敛精度、收敛速度及稳定性上有显著提高。     

基于新型帝国竞争算法的高维多目标柔性作业车间调度

针对高维多目标柔性作业车间调度问题(MaOFJSP),提出了一种新型帝国竞争算法(ICA)以同时最小化最大完成时间、最大拖期、最大机器负荷和总能耗,该算法采用新方法构建初始帝国使得大多数殖民国家分配数量相近的殖民地,引入殖民国家的同化,并应用新的革命策略和帝国竞争方法以获得高质量解.最后通过大量实验测试ICA新策略对其性能的影响并将ICA与其他算法对比,实验结果表明新型ICA在求解MaOFJSP方面具有较强的优势.     

面向异构多背包问题的多级二进制帝国竞争算法

在传统多背包问题的基础上，从典型物流服务场景中共性抽象出异构多背包问题（HMKP），并设计和定制了一种帝国竞争算法（ICA）对HMKP进行求解和评估。针对原始ICA易陷入局部最优以及0-1背包问题最优解往往在约束边界周围的特点，设计了双点自变异策略（TPAS）和跳出局部最优算法（JLOA）对ICA进行改进，提出面向0-1背包问题的二进制帝国竞争算法（BICA）。BICA在求解35个0-1背包问题算例时展现出了全面、高效的寻优能力，基于最佳匹配值法（BMV）的BICA在第一组测试集的20个算例上能对19个算例100%找到理想最优值，在第二组测试集的15个算例上能对12个算例100%找到理想最优值，在所有对比算法中表现最优。数值结果分析表明，BICA在寻优演化中维持多极发展策略，并依托独特的种群进化方式在解空间中高效搜索理想解。在此基础上，针对HMKP强约束性和高复杂度的特性，基于BICA设计了求解HMKP的多级二进制帝国竞争算法（MLB-ICA）。分别在多个典型0-1背包问题算例组合构建的HMKP高维测试集上进行了MLB-ICA的数值实验和性能评估，结果表明虽然MLB-ICA的求解时间比...     

具有总能耗约束的柔性作业车间调度问题研究

针对具有总能耗约束的柔性作业车间调度问题（Flexible job shop scheduling problem,FJSP）,提出一种基于帝国竞争算法（Imperialist competitive algorithm,ICA）和变邻域搜索（Variable neighborhood search,VNS）的双阶段算法,该算法在总能耗不超过给定阈值的条件下最小化Makespan和总延迟时间.由于能耗约束不是总能满足且阈值往往难以事先给定,为此,第一阶段,首先,将原问题转化为具有Makespan、总延迟时间和总能耗的三目标FJSP,然后,利用初始帝国构建和帝国竞争的新策略设计一种ICA对问题求解,并根据ICA的结果确定总能耗阈值;第二阶段,应用解的比较新策略、非劣解集更新方法和当前解周期性更新,构建VNS对原问题求解.计算实验和结果分析表明,两阶段算法对于所研究的问题搜索能力强.     

基于免疫克隆选择算法的混合流水车间调度问题的研究

本文针对混合流水车间调度问题,以最大流程时间最小为目标函数,建立了混合整数数学规划模型;将具有解决复杂组合优化问题的免疫克隆选择算法（ICA）应用于求解混合流水车间调度问题,详细描述了ICA算法求解HFSP问题的步骤;为了验证算法的有效性,仿真对比了遗传算法和ICA算法的性能,与文献结果比较,结果表明ICA算法求解HFSP问题可行性和有效性。     

柔性车间调度问题的协作混合帝国算法

针对柔性车间调度问题（FJSP）的非确定性多项式特性,提出一种新的改进算法——协作混合帝国算法,用于寻找最小化最大完工时间的调度。首先,根据标准帝国竞争算法（ICA）的流程特性,设计了自适应参数的改进,可提高算法的收敛速度;然后,引入帝国和殖民地双改革变异,并针对工序排序和选择机器的不同阶段提出多变异改革策略,可提高算法的局部搜索效率;最后,创建大陆间国家交流合作机制,促进优秀国家对外信息交流,可提高算法全局搜索能力。通过对多个柔性车间调度实例进行仿真,结果表明,所提出算法在求解质量和稳定性上均优于多种群体智能进化算法,更适合解决该类调度问题。     

求解分布式两阶段装配流水车间调度的帝国竞争–协作算法

针对分布式两阶段装配流水车间调度问题(DTAFSP),提出了一种新型优化方法—帝国竞争–协作算法(ICCA)以最小化总延迟时间.该算法在帝国竞争算法基础上,结合历史进化数据,提出一种基于最强帝国搜索能力与最弱帝国计算资源之间自适应交换的帝国间协作方法,并给出一种新型帝国竞争策略,以提高算法搜索效率.进行了大量计算实验,计算结果验证了ICCA策略的合理性和有效性以及它在求解DTAFSP方面较强的搜索优势.     

分布式电源接入位置对配网电压影响研究

配电网在高渗透率、低负载运行状态下,分布式电源(DG)接入系统后对原电网的安全运行产生的影响不容小觑.针对DG接入配电网的不同位置会对系统电压产生不同影响的问题,提出6种不同DG接入配电网方式.首先利用前推回代潮流法求解并网后节点电压值;然后以电压质量最优为目标,支路容量、节点电压、有功及无功功率平衡为约束条件,利用新颖帝国竞争算法(ICA)对模型进行求解;最后在IEEE-33节点中进行仿真验证,所得结果表明方式3与方式6接入为最优接入且验证了 ICA算法在寻求高渗透、低负载运行状态下DG接入位置具有正确性和实用性.     

可靠性绿色物流配送选址-路径问题研究

为了使物流配送系统安全、有效地运作,并减少环境污染,研究可靠性绿色物流配送选址-路径问题,同时考虑运输油耗和CO2排放及配送中心和运输线路的中断。建立物流配送网络选址-路径优化模型,在满足车辆路径可靠性约束的条件下,最小化总成本,包括物流配送成本及运输油耗和CO2排放成本。根据问题特点,设计一种混合帝国竞争算法（HICA）求解,采用实数编码方式,并利用变异和交叉操作产生新的殖民地位置。最后,通过不同规模的仿真实验对模型的合理性及HICA算法的有效性进行验证,并对可靠性水平的影响进行了分析。实验结果表明,HICA能够对不同规模的问题进行有效求解,并且在不同的可靠性水平下保持稳定的性能,而且其算法性能优于标准ICA算法。     

FastICA算法及其在地震信号去噪中的应用*

ICA算法是求解盲源分离问题的有效算法。建立了ICA算法的数学模型,对模型的求解条件及多解性进行了分析。给出一种基于负熵极大的FastICA算法,讨论该算法在地震信号去噪中的应用。仿真实验验证了该算法的有效性。     

FICA: fuzzy imperialist competitive algorithm

Despite the success of the imperialist competitive algorithm （ICA） in solving optimization problems, it still suffers from frequently falling into local minima and low convergence speed. In this paper, a fuzzy version of this algorithm is proposed to address these issues. In contrast to the standard version of ICA, in the proposed algorithm, powerful countries are chosen as imperialists in each step;according to a fuzzy membership function, other countries become colonies of all the empires. In ab-sorption policy, based on the fuzzy membership function, colonies move toward the resulting vector of all imperialists. In this algorithm, no empire will be eliminated;instead, during the execution of the algorithm, empires move toward one point. Other steps of the algorithm are similar to the standard ICA. In experiments, the proposed algorithm has been used to solve the real world optimization problems presented for IEEE-CEC 2011 evolutionary algorithm competition. Results of experiments confirm the performance of the algorithm.     

基于自适应继承策略的帝国竞争算法求解旅行商问题

针对帝国竞争算法在求解旅行商问题时局部搜索能力不强和容易陷入局部最优的缺陷,提出一种基于自适应继承策略的帝国竞争算法.该算法采用自适应继承策略的启发式交叉算子、单点局部插入策略和固定邻域的2-opt算子来增强算法的局部优化能力,并加入帝国精英解集以保持种群的多样性.通过标准实例测试,验证了所提出的改进策略的优越性,与基于启发式交叉算子和帝国主义算法为框架的其他算法进行对比,实验结果表明,该算法求解中小规模的解旅行商问题具有较高的求解精度和较快的收敛速度.     

Solving constrained optimisation problems using the improved imperialist competitive algorithm and Deb’s technique

ABSTRACT

In this paper, an improved imperialist competitive algorithm called I-ICA is proposed for solving constrained optimisation problems. In I-ICA, the use of differential evolution (DE)/rand/1 mutation operator at assimilation step enhances the population diversity. Also, the binomial crossover operator improves the speed of convergence to optimal solution by distributing good information among solutions. Furthermore, Deb’s rules were applied for handling constrains. Examinations were done on 24 well-known functions and 5 engineering design problems. The comparison of I-ICA with basic ICA and 22 state-of-the-art algorithms shows I-ICA’s superiority in terms of the rate of convergence and quality of the obtained solution.     

基于帝国主义竞争算法的WSNs定位方案

遗传算法(GA)在无线传感器网络(WSNs)定位时存在收敛速度慢、精度低等弊端,针对以上问题,提出了一种利用帝国主义竞争算法(ICA)优化WSNs定位的方案。首先,使用了采样的方法来估计未知节点的初始位置;其次,依靠信标节点和相邻节点的相关信息建立了以最小化全局误差的三维空间的数学定位模型;最后,使用了最新的社会启发算法—ICA来进行定位优化。实验结果表明:与GA定位相比,ICA在WSNs定位上具有定位精度高、收敛迅速的优势。     

受春秋战国史实启发的帝国竞争改进算法

针对帝国竞争算法过早收敛导致的求解高维函数时易陷入维数灾难的问题,受我国春秋战国时期诸侯国争雄称霸史实启发,提出了一种改进的帝国竞争算法.首先,在初始化国家阶段引入"合纵连横"竞争机制,以增强信息交互,保留较优种群;其次,在帝国同化过程中借鉴由国家各层面逐步渗透同化的殖民统治策略,以提升算法的开发能力;最后,加入判断并...     

独立自适应调整参数的粒子群优化算法

针对传统粒子群优化算法在求解复杂优化问题时易陷入局部最优和依赖参数的取值等问题,提出了一种独立自适应参数调整的粒子群优化算法。算法重新定义了粒子进化能力、种群进化能力以及进化率,在此基础上给出了粒子群惯性权重及学习因子的独立调整策略,更好地平衡了算法局部搜索与全局搜索的能力。为保持种群多样性,提高粒子向全局最优位置的收敛速度,在算法迭代过程中,采用粒子重构策略使种群中进化能力较弱的粒子向进化能力较强的粒子进行学习,重新构造生成新粒子。最后通过CEC2013中的10个基准测试函数与4种改进粒子群算法在不同维度下进行测试对比,实验结果验证了该算法在求解复杂函数时具有高效性,通过收敛性分析说明了算法的有效性。     

协同智能的蝙蝠差分混合算法

为解决差分进化算法后期收敛易陷入局部最优和早熟收敛的问题,提出一种群体智能优化算法,即协同智能的蝙蝠差分混合算法。利用蝙蝠个体脉冲回声定位的特点,与差分种群相互协作,在当前最优解gbest附近进行一次详细搜索,有效增加种群的多样性,跳出局部最优。通过蝙蝠种群和差分种群两个种群的相互协作,较好平衡全局搜索和局部开发之间的能力。为验证算法有效性,选用9个常用的基准测试函数和5个0-1背包问题,与标准粒子群算法、带高斯扰动的粒子群算法、蝙蝠算法、差分算法、烟花算法相对比,仿真实验表明,所提算法总体性能优于其它5种算法。     

基于变异交叉方程与进化选择机制的回溯优化改进算法

针对回溯搜索优化算法存在的收敛速度慢,容易陷入局部最优等问题,提出了一种改进算法。首先利用t分布产生变异尺度系数,加快了算法收敛速度;接着完善交叉方程结构,引入最优个体控制种群搜索方向,有效提高了算法开发能力;最后提出进化选择机制,引入差分进化算法变异因子,一定概率下以较差解替换较优解,避免算法陷入局部最优。在数值实验中,选取了15个测试函数进行仿真测试,并与5种表现良好的算法进行了比较,结果表明,该算法在收敛速度及搜索精度方面有明显优势。     

成败历史存档的融合龙格库塔-黏菌算法

针对黏菌算法收敛速度慢和求解精度低等问题,提出了基于成败历史存档的融合龙格库塔-黏菌算法。提出了一种存储位置信息的改进成败历史存档机制,并使用个体适应度值的变化量作为每个存档记录参与后续计算的概率,将该机制加入原始黏菌算法;将龙格库塔算法与改进的黏菌算法通过并行计算-信息交流的方式进行融合,引导黏菌算法跳出局部最优,提升黏菌算法在狭小空间中的求解精度;提出了长短时间间隔结合的交流策略,用以确定两种群交流的时机;提出了一系列基于空间移动的种群信息交流机制,在保留两算法各自特性和优势的情况下,同时克服两算法的局限性。实验部分使用了CEC2017基准测试函数,使用了传统统计特征和MAE排名、Wilcoxon秩和检验验证算法有效性,同时对高维度函数进行探索,并与近年来新颖的高水平群智能算法、改进算法进行对比测试,实验结果表明该改进策略有效且具有一定可迁移性,改进后算法的求解精度和鲁棒性更具竞争力。