帝国竞争算法的进化优化

• 作者: 叶东毅 郭婉青
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 帝国竞争算法 早熟收敛 微分进化 克隆进化
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 473-482
• 页数: 10页
• 分类号: TP18
• 字数: 4799字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1307016

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶东毅	福州大学数学与计算机科学学院	112	1572	18.0	36.0
2	郭婉青	福州大学数学与计算机科学学院	2	36	2.0	2.0