摘要：针对约束优化问题,提出一种约束处理的新策略,运用字典序方法同时优化问题的目标函数和约束违背程度,设计一种新型帝国竞争算法.该算法给出成本和归一化成本的新定义,以避免殖民国家势力为零,并应用嵌入殖民地间全局搜索的同化、基于优秀殖民地的革命、殖民国家的差分进化和新型帝国竞争等策略提高求解质量.基于两组约束优化标准测试函数的实验结果和算法对比表明,结合字典序方法的新型帝国竞争算法在约束优化问题的求解方面具有较强的优势.

摘要：为兼顾空管、机场、航司以及民众的不同诉求,提出了基于多目标帝国竞争算法的进场排序与调度方法,达到平衡交通需求与进场管理的目的。首先,借鉴机器调度领域研究成果,梳理与精简进场排序与调度的评价指标,并结合运行约束构建多目标进场排序与调度模型。接着,引入非支配排序,设计多目标帝国竞争算法,给出衡量帕累托解集优劣的评价指标。最后,采用通用数据集与长沙黄花机场实际运行数据实施案例进行仿真与验证。结果表明:提出的多目标帝国竞争算法,相对于带精英策略的非支配排序遗传算法以及多目标模拟退火算法而言,解集更占支配地位、分布更均匀、收敛性更好,求解的效率也更高;提出的算法能有效实现进场排序与调度,即便以标准间隔的1.8倍实施仿真,总延误时间、总飞行时间和最大飞行时间,相对于实际运行分别降低了41.2%、11.4%和8.6%。

摘要：针对供应链中一类广泛存在的带多行程批量配送的多工厂集成调度问题(Multi-Factory Integrated Scheduling Problem with Multi-Trip Batch Delivery,MFISP_MTBD),建立其数学模型并提出基于贝叶斯统计推断的混合帝国竞争算法(Hybrid Bayesian statistical inference-based Imperialist Competitive Algorithm,HBICA)进行求解.根据MFISP_MTBD问题特性,结合多行程标签机制设计新型编解码策略,并基于该策略构造新型启发式规则以提高初始解的质量.为有效保留优质解的模式信息,采用贝叶斯概率模型学习机制替换标准帝国竞争算法中的同化机制.为更加明确地引导搜索方向,算法每代均利用各帝国中的精英国家(即精英解或个体)重构贝叶斯概率模型,进而对其采样生成新种群.利用9种有效邻域操作动态构造各帝国中每个国家的局部搜索,并对由各帝国内部相邻国家间竞争所确定的强势国家(即获胜国)执行其局部搜索,进而对各帝国中的殖民国家(即该帝国内的最强国家)依次执行所有弱势国家的局部搜索.仿真实验和算法比较验证了所提算法可有效求解MFISP_MTBD.

摘要：针对约束多目标优化问题,提出了一种基于约束违背程度和Pareto支配的有效约束处理策略,并设计了一种新型多目标帝国竞争算法(MOICA).该算法采用一种简化的初始帝国构建过程,在同化过程引入了向外部档案内非劣解学习的机制,并基于帝国势力新定义的帝国竞争新方法以获取问题高质量的解.选用了7个测试问题CF1~CF7进行计算实验并和多种算法进行对比.计算结果表明, MOICA在求解约束多目标优化问题方面具有较强的搜索能力和优势.

摘要：针对不同产品的混合拆解,提出混流双边拆解线平衡问题(Mix-modelTwo-sidedDisassemblyLine BalancingProblem,MTDLBP)。以最小化位置数量、工作站数量和负载均衡为多目标,建立MTDLBP模型,并设计了一种多目标变邻域帝国竞争算法(Variable Neighborhood Imperialist Competitive Algorithm, VICA)求解。针对帝国竞争算法易早熟收敛的缺点,VICA引入变邻域搜索,通过邻域变换增加种群多样性,加强全局开发与探索能力,以改善解的质量并提高算法效率。仿真结果表明,提出方法较其它算法在解的精度和鲁棒性方面效果更好。

摘要：资源约束项目调度问题是一类经典的组合优化难题,有着广泛的工程应用背景。自20世纪60年代起,该问题的优化方法层出不穷,但大多数智能优化算法在该问题空间中搜索表现一般。针对这一挑战,提出了一种二阶段演化帝国竞争算法(TSE-ICA)。首先,基于由关键路径法得到的组块提取策略,提出两种分别用于种群多样性开发和高效收敛的同化算子,通过在不同阶段选择合适的同化算子实现二阶段演化框架的构建。其次,基于组块的改进革命机制包含插入和乱序两种邻域搜索策略,帝国竞争机制则通过收集不同帝国的收敛信息实现参数的自适应调整;最后,利用记忆库引导种群进化,提高算法的收敛速率。TSE-ICA的最佳参数设置由Taguchi法的实验设计方法确定。数值实验面向典型实例库PSPLIB中的3个实例集J30、J60和J120对TSE-ICA执行了性能测试,并基于两种评价标准与17种先进的元启发式算法进行性能对比。实验结果显示,TSE-ICA具有较好的优化性能和收敛效率,初步验证了所提改进机制的有效性和所提算法的问题适用性。

摘要：对帝国竞争算法进行了研究与改进以解决虚拟装配过程中装配序列规划问题。利用有向图法获得了表达装配关系的邻接矩阵、干涉矩阵、接触-连接矩阵、优先关系矩阵、工具集矩阵,建立了以装配稳定性、连续性及干涉性为评价标准的稳定性函数、连续性函数及干涉函数,并依据层次装配的基本思想,将其与帝国竞争算法融合并引入微分进化算法,通过Matlab编程,以减速器为例进行试验,验证了该算法在装配序列规划方面的可行性,并同帝国竞争算法、遗传算法及蚁群算法进行比较,验证了该改进算法的优越性,为虚拟装配技术的研究奠定了基础。

摘要：为加强传统电力系统稳定器设计中抑制低频振荡的能力,提高其整定范围和控制能力,该文利用分数阶比例-积分-微分控制器在控制方面所具有的灵活控制能力和良好跟踪性能,设计了一套基于分数阶比例-积分-微分控制器的电力系统稳定器系统。同时利用基于Levy变异的帝国竞争算法对改进的电力系统稳定器系统进行优化配置,并在单机无穷大系统下对设计模型进行仿真。仿真结果表明提出的设计可以充分抑制电力系统低频振荡、灵活控制受控对象,具有很好的控制效果和鲁棒性。

摘要：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Gurobi长,但求解精度提高了28%。可见,MLB-ICA能以较低的计算代价在可接受的时间范围内高效求解高维复杂的HMKP,为ICA在超大规模组合优化问题中的求解提出了可行的算法设计方案。

摘要：板球系统是一个典型的两输入两输出非线性系统。针对传统PID控制在板球系统试验中出现的控制效果不理想、参数寻优时间长等问题,引入帝国竞争算法与PID控制相结合,设计出的ICA-PID控制器能够在短时间内快速寻优,实现对板球系统控制时长和控制精度的优化。在不考虑小球旋动、摩擦等非线性因素干扰的条件下,用拉格朗日方程对板球系统进行建模,得到简化的数学模型,分别采用PID、GAPID、ICA-PID这3种控制器进行阶跃响应试验和定点试验,将试验数据导入到Matlab进行分析。结果表明:相比于传统PID控制和GA-PID控制,ICA-PID控制小球定点试验的时间更短,小球轨迹振荡更小。