政治优化器(Political Optimizer, PO)

---

政治优化器(Political Optimizer, PO) 是由Qamar Askari等人于2020年提出的，该算法的灵感来自于多阶段的政治过程，该作者还提出了堆优化器(Heap-Based Optimizer, HBO)。

一、理论基础

政治在不同的语境中有着不同的含义。在我们的工作中，我们以一个国家的政治制度为参照点，模仿政治家的行为，以达到优化的最终目标。政治是关于一个地区、州或国家的治理。以党为基础的政治制度可分为四种主要类型:一党政治制度、两党政治制度、多数党政治制度和多党制政治制度，它们中的每一个都适用于不同的国家/州，有一些变化。此外，国家治理既可以通过议会制，也可以通过总统制。
多党民主的政治是一个复杂的政治过程，它涵盖了非常广泛的社会层面（如下图），包含：建党及分配选区、竞选活动、换党、党际选举、组阁及议会事务。
多阶段政治进程说明：

其中，$P_i$代表第$i$个政党的成员，$C_i$代表第$i$个选区参加选举的成员，脸型颜色区分一个党派的成员与其他党派的成员，加粗脸表示该脸上所标记的选区的获胜者。

二、数学模型

政治本身是一个从两个角度进行优化的过程：每个人都在优化自己的信誉以赢得选举，每个政党都在努力最大化自己在议会中的席位以组建政府。
PO的启发点包含以下四个方面：

1. 选举过程，在此过程中，候选人为拉票而进行竞选活动；
2. 党内合作与党内竞争；
3. 选举候选人根据其在过去选举中的经验来改进其表现的分析行为；
4. 获胜候选人之间的互动与合作，以在选举后管理政府。

2.1 建党和选区分配

将整个群体分成n个政党，每个政党$P_i$由n个候选人/议员组成，每个议员是一个候选解（$d$维）。

除了议员角色，一个候选解还扮演着选举候选人的角色。假设有n个选区，各党第j名议员从第$j$选区$C_j$竞逐选举。

在议会选举(党间选举)结束后，选出最适合的议员为党代表：

所有政党领导人的集合用所示的P*表示：

选举结束后，所有选区的获胜者成为国会议员。$C^{\ast }$表示所有议员的集合，$C_j^{\ast }$表示第$j$个选区的获胜者：

政党和选区中群体P的逻辑划分说明：

2.2 竞选活动(探索和开发)

这一阶段有助于候选人提高在选举中的表现。映射该阶段的三个方面：

1. 通过提出一种新的位置更新策略，即基于最近过去的位置更新策略(RPPUS)，来借鉴以前的选举；
2. 通过参照政党领袖更新议员的位置来映射政党领袖的票库影响力；
3. 通过参照选区胜出者更新候选人的位置，建立与选区胜出者的比较分析模型。
   

2.3 切换党派(平衡勘探和开发)

在政治上，这个阶段与竞选活动同时进行，但在PO中，我们在竞选活动之后进行这个阶段。定义了一个自适应参数$\lambda$，称为政党切换率，它从${\lambda }_{max}$开始，随着迭代过程线性减小到0。

2.4 选举(适应度评估)

选举表示为评估在一个选区竞争的所有候选人的适应度状况，并宣布获胜者：

2.5 议会事务(开发与收敛)

在党际选举后，政府成立。公式（6）和（12）决定政党领袖和选区的获胜者/议员。
该阶段由算法4表示，每个国会议员根据随机选择的国会议员进行位置更新，如果更好就替换。

三、算法伪代码

伪代码包括四部分，算法1是PO主体，算法2为竞选活动 ，算法3是切换党派，算法4是议会事务。

---

四、总结

PO是结构难得复杂的优化算法，要理解该算法，也需要对政治选择过程有一定了解，并结合伪代码和算法代码。
算法改进方面，也很灵活。
还有些地方没讲清楚，后面再慢慢完善。

---

参考文献

【1】Askari, Qamar, et al. “Political Optimizer: A Novel Socio-Inspired Meta-Heuristic for Global Optimization.” Knowledge-Based Systems, Elsevier BV, Mar. 2020, p. 105709, doi:10.1016/j.knosys.2020.105709.

• 关于 PO 代码下载，参考 Code
• 关于 PO 论文网站，参考 Paper