1. 성장 최적화 알고리즘 GO
GO(Growth Optimizer)는 2023년 Qingke Zhang 등이 제안했습니다. 알고리즘 설계는 성장 과정에서 개인의 학습 및 성찰 메커니즘에서 영감을 받았습니다. 학습은 개인이 외부 세계로부터 지식을 습득하여 성장하는 과정이고, 성찰은 개인이 자신의 단점을 점검하고 개인의 학습 전략을 조정하며 개인의 성장을 돕는 과정이다.
참조:
Qingke Zhang, Hao Gao, Zhi-Hui Zhan, Junqing Li, Huaxiang Zhang ,Growth Optimizer: 지속적이고 불연속적인 글로벌 최적화 문제를 해결하기 위한 강력한 메타휴리스틱 알고리즘 ,Knowledge-Based Systems,261,2023
여행하는 외판원 문제
3. 성장 최적화 알고리즘 GO는 외판원 문제를 해결합니다.
%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
부분 결과
알고리즘에 의해 얻어진 경로: 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
알고리즘에 의해 해결된 전체 경로의 총 길이: 9074.1