【优化求解】基于帝国主义竞争算法ICA求解单目标问题Matlab源码.zip

针对诸多群智能算法容易陷入局部最优、收敛速度慢的特点，提出一种参数设置少，全局搜索能力强的竞争算法.通过10个基准函数与粒子群算法的比较，30次试验下竞争算法的平均值与最小值均优于粒子群算法，验证了该算法的有效性.用竞争算法优化BP神经网络，并对11个测试数据集进行分类，实验结果表明，用竞争算法优化后的BP神经网络在11个测试集上性能均优于原始算法，且在大部分测试集上性能优于用遗传算法优化的BP神经网络.该算法能有效提高分类正确率，增强鲁棒性.

此 Matlab 代码实现了 Zhavat Sherinov 和 Ahmet Ünveren 在 2017 年提出的多目标帝国竞争算法 (MOICA)。该代码基于单目标 ICA，但对 MOICA 的实现进行了大量更改。 如有任何问题或错误，请随时与我联系。

matlab 实现帝国竞争算法，帝国竞争算法受帝国主义殖民竞争机制的启发，Atashpaz-Gargari和Lucas于2007年提出了一种新的智能优化算法—帝国竞争算法 (ICA)。与GA, PSO, ABC等受生物行为启发的群智能算法不同，ICA受社会行为启发，通过摸拟殖民地同化机制和帝国竞争机制而形成的一种优化方法。ICA也是一种基于群体的优化方法，其解空间由称为国家的个体组成。ICA将国家分为几个子群，称为帝国。在每个帝国内，ICA通过同化机制使非最优的国家(殖民地)向最优国家(帝国主义国家)靠近，该过程类似于PSO。帝国竞争机制是ICA的关键，ICA通过帝国竞争机制将最弱帝国中的一个或多个殖民地移动到其他帝国，使帝国之间可以进行信息交互。 目前，国外已有许多学者对ICA的性能改进以及实际应用进行了大量的研究，也取得了一定的进展。ICA已被广泛用于解决各种实际的优化问题，如调度问题、分类问题、机械设计等。然而，该算法仍然存在多样性下降较快、易早熟收敛等缺陷。另外，ICA提出的时间较短，尚有很大的研究空间。

matlab 实现帝国竞争算法，帝国竞争算法受帝国主义殖民竞争机制的启发，Atashpaz-Gargari和Lucas于2007年提出了一种新的智能优化算法—帝国竞争算法 (ICA)。与GA, PSO, ABC等受生物行为启发的群智能算法不同，ICA受社会行为启发，通过摸拟殖民地同化机制和帝国竞争机制而形成的一种优化方法。ICA也是一种基于群体的优化方法，其解空间由称为国家的个体组成。ICA将国家分为几个子群，称为帝国。在每个帝国内，ICA通过同化机制使非最优的国家(殖民地)向最优国家(帝国主义国家)靠近，该过程类似于PSO。

帝国竞争算法ICA的matlab实现，包括源代码和参考资料。

能源互联网的范畴内，电热联合系统是消纳风电的一种有效手段，为此构建了包含储热、热电联产和需求响应资源的综合电热系统调度模型。提出了风电消纳日前日内两阶段调度方法：在日前调度阶段，机组、储热装置以及电价型需求响应配合消纳风电短期预测出力；在日内调度阶段，机组以及激励型需求响应配合消纳风电超短期预测出力。以系统发电运行成本最小为目标函数，综合考虑弃风惩罚费用和需求响应成本建立了电热联合系统调度模型，使用改进帝国竞争算法解决电热系统约束条件过多的问题，使得到的解更可行。算例分析表明，使用所提调度模型和方法能够有效提高电热联合系统风电消纳水平。

英文版，帝国竞争算法,又称为殖民地竞争算法(CCA),是基于帝国主义殖民竞争机制的新优化算法,由Esmaei受帝国主义殖民竞争历史现实的启发而提出了一种新的优化算法

殖民竞争算法代码（CCA）也被称为帝国主义的竞争算法（ICA），这是其在matlab中的实现。

帝国竞争算法在组合优化问题上的应用研究综述，本科毕设，自己写的，一共六页