多體演算法

❶ 多智能體競爭演算法

模擬退火的解不再像局部搜索那樣最後的結果依賴初始點。它引入了一個接受概率p。如果新的點（設為pn）的目標函數f（pn）更好，則p=1，表示選取新點。

帝國競爭操作體現了帝國之間的信息交互，然而，帝國競爭在每一次迭代中只是將最弱的殖民地歸於最強的帝國，該過程對每個帝國的勢力大小影響很小，需要多次迭代才能體現出來，帝國之間缺乏更有效的信息交互，即群體多樣性的體現並不明顯。

存在的問題：

群智能優化演算法的「開采」和「勘探」能力是互相制約的，「開采」能力較強時，群體的多樣性會受影響，而「勘探」能力較強則演算法的全局收斂速度會變慢。原始的ICA演算法還不能很好地平衡這兩點，其局部搜索能力較強，收斂速度快，因此優化高維多模問題時，容易陷入局部最優。

帝國合並以及帝國覆滅使ICA的帝國個數不斷減少，導致群體多樣性降低，演算法的全局「勘探」能力受影響，易出現「早熟」現象。