算法解析
其实和群体进化类算法还是非常像的，只不过把个体的概念换成了国家而已。我们一步步来看。
1． 初始化
ICA的个体是国家，相当于遗传算法中的染色体，对于一个N维的优化问题，国家可以表示成如下形式：
国家的势力大小通过代价函数来衡量：
国家的势力和代价函数值成反比，即代价函数值越小，国家势力越大。初始帝国的产生分为以下几个步骤：
STEP 1：首先，随机产生个国家，从中选出势力较大的前个国家作为帝国主义国家，剩下的个国家作为殖民地。
STEP 2：其次，根据帝国主义国家的势力大小划分殖民地。每个帝国的殖民地个数按照式（1）～（3）计算：
其中，是第个帝国主义国家的代价函数值。是它的标准化代价。是它的标准化势力大小。 是第个帝国的初始殖民地个数。最后，对于每个帝国主义国家，从个殖民地中随机选择相应的个数分配给它，最终形成初始的个帝国。［2］
不过这里解释一下，一个国家其实可以看成一个解的表示，与遗传中染色体类似。国家的势力通常由该国家所表示的解的好坏决定的。一般可以采用随机或者贪心的方式生成初始国家，然后计算目标函数，计算势力，再划分帝国主义国家和殖民地国即可。
2． 殖民地同化
帝国主义国家为了更好地控制其殖民地国家，将自己的思想模式及文化风俗推广到殖民地国家的过程，称为同化。ICA中通过所有殖民地向其所属帝国主义国家移动来模拟同化过程。［2］ 当然这个移动可以看出解在解空间上的移动，与邻域搜索那个移动也有点类似，本质还是解的变换。
一个同化的例子如下，其实跟GA中的交叉很相似：
3． 殖民地革命
殖民地革命是对殖民地进行一定的移动，希望其能更靠近最优解的位置。但通常而言，对于一个社会来讲，不是说有的革命都是成功的有益的。革命也可能导致资源内耗，无法进行有效的社会变革从而降低殖民地的力量（参照苏联）。一个殖民地革命的例子如下（和GA中的变异很像对不对）：
