1. Algoritmo de optimización de crecimiento GO
El Optimizador de Crecimiento (GO) fue propuesto por Qingke Zhang y otros en 2023. El diseño del algoritmo está inspirado en el mecanismo de aprendizaje y reflexión de los individuos en el proceso de crecimiento. El aprendizaje es un proceso en el que los individuos crecen mediante la adquisición de conocimientos del mundo exterior, y la reflexión es un proceso en el que los individuos comprueban sus propias deficiencias, ajustan las estrategias de aprendizaje individuales y ayudan a los individuos a crecer.
referencias:
Qingke Zhang, Hao Gao, Zhi-Hui Zhan, Junqing Li, Huaxiang Zhang ,Growth Optimizer: un poderoso algoritmo metaheurístico para resolver problemas de optimización global continuos y discretos ,Knowledge-Based Systems,261,2023
El problema del viajante de comercio
3. El algoritmo de optimización del crecimiento GO resuelve el problema del viajante de comercio
%完整MATLAB code link: https://mbd.pub/o/bread/ZJiWmZZu
close all
clear
clc
%数据集参考文献 REINELT G.TSPLIB-a traveling salesman problem[J].ORSA Journal on Computing,1991,3(4):267-384.
global data
load('data.txt')%导入TSP数据集bayg29
Dim=size(data,1)-1;%维度
lb=-100;%下界
ub=100;%上界
fobj=@Fun;%计算总距离
SearchAgents_no=100; % 种群大小(可以修改)
Max_iteration=1000
resultados parciales
El camino obtenido por el algoritmo: 1 > 28 > 6 > 12 > 9 > 26 > 3 > 29 > 5 > 21 > 2 > 20 > 10 > 4 > 15 > 18 > 14 > 17 > 22 > 11 > 19 > 25 > 7 > 23 > 8 > 27 > 16 > 13 > 24 > 1
La longitud total de la ruta total resuelta por el algoritmo: 9074.1