帝国竞争算法(ICA)（Matlab代码实现）-CFANZ编程社区

帝国竞争算法(ICA)（Matlab代码实现）_算法

1 帝国竞争算法(ICA)

2 运行结果

3 Matlab代码及文章讲解

4 参考文献

1 帝国竞争算法(ICA)

帝国竞争算法(ICA)是2007年]提出,具有收敛速度快和全局搜索能力强的特点。ICA已被应用于求解旅行商问题( traveling salesman problem , TSP) [ 12,13]。张鑫龙等人14提出一种新型ICA求解TSP ,帝国同化采用替换重建方式,革命过程结合自适应算子,得到了较好的优化效果。裴小兵等人[
15]为了降低帝国同化的复杂度,设计概率矩阵挖掘可行解中的优秀组合区块,能够对一定规模的TSP进行高效求解。

帝国竞争算法是基于人类社会政治进化现象提出的智能优化算法，算法中的每个国家均表示为一个可能的解空间，在模拟社会政治进化的过程中逐渐优化国家的解空间，找到最优解。算法主要包括帝国初始化、帝国同化、帝国革命、殖民地竞争四个步骤：

ａ）帝国初始化。通过随机生成的方式产生多个国家，根据国家的强弱分为殖民国家与殖民地，各殖民国家及其所属殖民地构成一个帝国。

ｂ）帝国同化。将每个帝国殖民国家的解信息传递给其殖民地，殖民地逐步靠近殖民国家，帝国整体解质量得到逐步优化。

ｃ）帝国革命。该阶段模拟历史进程中的革命行为，一定几率下殖民地会主动优化，甚至超越其所属殖民国家成为帝国的殖民国家。

ｄ）殖民地竞争。该阶段是殖民地再分配的过程，帝国之间通过竞争机制争夺殖民地。理想情况下只会存在一个帝国，即只有一个殖民国家,其他国家均沦为殖民地,此时算法停止，殖民国家即代表算法优化的最优解;若仍存在多个国家则转到帝国同化阶段,依次循环更新。

2 运行结果

帝国竞争算法(ICA)（Matlab代码实现）_参考文献_02

3 Matlab代码及文章讲解

本文仅展现部分代码，全部代码及文章见：

function emp = DoRevolution(emp)

    global ProblemSettings;
    CostFunction = ProblemSettings.CostFunction;
    nVar = ProblemSettings.nVar;
    VarSize = ProblemSettings.VarSize;
    VarMin = ProblemSettings.VarMin;
    VarMax = ProblemSettings.VarMax;
    
    global ICASettings;
    pRevolution = ICASettings.pRevolution;
    mu = ICASettings.mu;
    
    nmu = ceil(mu*nVar);
    
    sigma = 0.1*(VarMax-VarMin);
    
    nEmp = numel(emp);
    for k = 1:nEmp
        
        NewPos = emp(k).Imp.Position + sigma*randn(VarSize);
        
        jj = randsample(nVar, nmu)';
        NewImp = emp(k).Imp;
        NewImp.Position(jj) = NewPos(jj);
        NewImp.Cost = CostFunction(NewImp.Position);
        if NewImp.Cost<emp(k).Imp.Cost
            emp(k).Imp = NewImp;
        end
        
        for i = 1:emp(k).nCol
            if rand <= pRevolution

                NewPos = emp(k).Col(i).Position + sigma*randn(VarSize);
                
                jj = randsample(nVar, nmu)';
                emp(k).Col(i).Position(jj) = NewPos(jj);

                emp(k).Col(i).Position = max(emp(k).Col(i).Position, VarMin);
                emp(k).Col(i).Position = min(emp(k).Col(i).Position, VarMax);

                emp(k).Col(i).Cost = CostFunction(emp(k).Col(i).Position);

            end
        end
    end

end