帝国竞争算法优化：基于帝国分裂与扰动策略

"基于帝国分裂的帝国竞争算法优化_郭婉青1" 本文探讨的是帝国竞争算法（Imperialist Competitive Algorithm, ICA）的一种优化策略，由郭婉青和叶东毅共同研究，并受到福建省自然科学基金项目的资助。帝国竞争算法是由Atashpaz-Gargari和Lucas提出的，是一种模拟帝国之间竞争的全局优化算法。算法的核心在于通过帝国之间的竞争和征服来寻找全局最优解。 在ICA的原始版本中，随着迭代过程的进行，帝国的数量逐渐减少，这可能导致群体多样性的降低，从而影响算法在解决高维度和多模态优化问题时的表现。为了解决这一问题，文章提出了一种新的帝国分裂机制，旨在维持或增加群体多样性。这种分裂机制能够在适当的时候将一个帝国分裂成两个或更多的帝国，以防止算法过早收敛到局部最优。 同时，文章还引入了扰动策略，这是一种在搜索过程中随机改变解决方案的方法，目的是打破可能形成的局部最优状态，进一步增强算法的探索能力。通过对多个标准测试函数的实验，结果证明了帝国分裂和扰动策略的结合能够显著提升ICA的性能，特别是在处理高维度优化问题时，能取得更优的解决方案。 论文的关键点包括： 1. 帝国竞争算法的基础：ICA是一种基于社会竞争行为的优化算法，其核心是帝国之间的竞争和征服关系，用以寻找最佳解。 2. 算法缺陷分析：在迭代过程中，帝国数量的减少可能导致多样性下降，限制了算法的全局搜索能力。 3. 帝国分裂机制：为保持多样性，提出了在特定条件下将帝国分裂的策略，以防止过早收敛。 4. 扰动策略：在算法中加入随机变化，帮助跳出局部最优，增强全局搜索效率。 5. 实验验证：通过比较不同测试函数的结果，证明了改进后的算法在优化性能上的提升。 总结起来，郭婉青和叶东毅的研究通过引入帝国分裂和扰动策略，成功地优化了帝国竞争算法，提高了其在高维和复杂优化问题中的表现，这对于解决实际工程和科学研究中的复杂优化问题具有重要意义。