一、五种算法（LSO、SWO、KOA、GRO、LO）简介
1、光谱优化算法LSO
光谱优化算法（Light Spectrum Optimizer，LSO）由Mohamed Abdel-Basset等人于2022年提出。MD-MTSP：光谱优化算法LSO求解多仓库多旅行商问题MATLAB（可更改数据集，旅行商的数量和起点）_IT猿手的博客-CSDN博客
参考文献：
1\]Abdel-Basset M, Mohamed R, Sallam KM, Chakrabortty RK. Light Spectrum Optimizer: A Novel Physics-Inspired Metaheuristic Optimization Algorithm. Mathematics. 2022; 10(19):3466. Mathematics \| Free Full-Text \| Light Spectrum Optimizer: A Novel Physics-Inspired Metaheuristic Optimization Algorithm #### 2、蜘蛛蜂优化算法SWO 蜘蛛蜂优化算法（[Spider](https://so.csdn.net/so/search?q=Spider&spm=1001.2101.3001.7020 "Spider") wasp optimizer，SWO）由Mohamed Abdel-Basset等人于2023年提出，该算法模型雌性蜘蛛蜂的狩猎、筑巢和交配行为，具有搜索速度快，求解精度高的优势。[VRPTW（MATLAB）：蜘蛛蜂优化算法SWO求解带时间窗的车辆路径问题VRPTW（提供参考文献及MATLAB代码）-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/133999858 "VRPTW（MATLAB）：蜘蛛蜂优化算法SWO求解带时间窗的车辆路径问题VRPTW（提供参考文献及MATLAB代码）-CSDN博客") 参考文献： \[1\]Abdel-Basset, M., Mohamed, R., Jameel, M. et al. Spider wasp optimizer: a novel meta-heuristic optimization algorithm. Artif Intell Rev (2023). Spider wasp optimizer: a novel meta-heuristic optimization algorithm \| SpringerLink #### 3、开普勒优化算法KOA 开普勒优化算法（Kepler optimization algorithm，KOA）由Mohamed Abdel-Basset等人于2023年提出。[五种最新优化算法（SWO、ZOA、EVO、KOA、GRO）求解23个基准测试函数（含参考文献及MATLAB代码）_swo算法_IT猿手的博客-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/131743115 "五种最新优化算法（SWO、ZOA、EVO、KOA、GRO）求解23个基准测试函数（含参考文献及MATLAB代码）_swo算法_IT猿手的博客-CSDN博客") 参考文献： Mohamed Abdel-Basset, Reda Mohamed, Shaimaa A. Abdel Azeem, Mohammed Jameel, Mohamed Abouhawwash, **Kepler optimization algorithm: A new metaheuristic algorithm inspired by Kepler's laws of planetary motion**, Knowledge-Based Systems, 2023. DOI: Redirecting #### 4、淘金优化算法GRO 淘金优化算法（Gold rush optimizer，GRO）由Kamran Zolf于2023年提出，其灵感来自淘金热，模拟淘金者进行黄金勘探行为。[VRPTW（MATLAB）：淘金优化算法GRO求解带时间窗的车辆路径问题VRPTW（提供参考文献及MATLAB代码）-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/134023570 "VRPTW（MATLAB）：淘金优化算法GRO求解带时间窗的车辆路径问题VRPTW（提供参考文献及MATLAB代码）-CSDN博客") 参考文献： K. Zolfi. **Gold rush optimizer: A new population-based metaheuristic algorithm**. Operations Research and Decisions 2023: 33(1), 113-150. DOI 10.37190/ord230108 #### 5、狐猴[优化算法](https://so.csdn.net/so/search?q=%E4%BC%98%E5%8C%96%E7%AE%97%E6%B3%95&spm=1001.2101.3001.7020 "优化算法") 狐猴优化算法（**Lemurs Optimizer，LO** ）由Ammar Kamal Abasi等人于2022年提出，该算法模拟狐猴的跳跃和跳舞行为，具有结构简单，思路新颖，搜索速度快等优势。[单目标应用：基于狐猴优化算法（Lemurs Optimizer，LO）的微电网优化调度MATLAB_IT猿手的博客-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/133391050 "单目标应用：基于狐猴优化算法（Lemurs Optimizer，LO）的微电网优化调度MATLAB_IT猿手的博客-CSDN博客") 参考文献： \[1\]Abasi AK, Makhadmeh SN, Al-Betar MA, Alomari OA, Awadallah MA, Alyasseri ZAA, Doush IA, Elnagar A, Alkhammash EH, Hadjouni M.**Lemurs Optimizer: A New Metaheuristic Algorithm for Global Optimization.** Applied Sciences. 2022; 12(19):10057. Applied Sciences \| Free Full-Text \| Lemurs Optimizer: A New Metaheuristic Algorithm for Global Optimization ### 二、无人机路径优化模型简介 [单个无人机三维路径规划问题及其建模_IT猿手的博客-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/132482288?spm=1001.2014.3001.5502 "单个无人机三维路径规划问题及其建模_IT猿手的博客-CSDN博客") 参考文献： \[1\]胡观凯,钟建华,李永正,黎万洪.基于IPSO-[GA算法](https://so.csdn.net/so/search?q=GA%E7%AE%97%E6%B3%95&spm=1001.2101.3001.7020 "GA算法")的无人机三维路径规划\[J\].现代电子技术,2023,46(07):115-120 ### 三、LSO、SWO、KOA、GRO、LO求解无人机路径规划 （1）部分代码 close all clear clc 、warning off; %% 三维路径规划模型定义 global startPos goalPos N N=2;%待优化点的个数(可以修改) startPos = [10, 10, 80]; %起点(可以修改) goalPos = [80, 90, 150]; %终点(可以修改) SearchAgents_no=30; % 种群大小(可以修改) Function_name='F1'; %F1:随机产生地图 F2：导入固定地图 Max_iteration=100; %最大迭代次数(可以修改) % Load details of the selected benchmark function [lb,ub,dim,fobj]=Get_Functions_details(Function_name); AlgorithmName={'LSO','SWO','KOA','GRO','LO'};%算法名称 addpath('./AlgorithmCode/')%添加算法路径 bestFit=[];%保存各算法的最优适应度值 for i=1:size(AlgorithmName,2)%遍历每个算法，依次求解当前问题 Algorithm=str2func(AlgorithmName{i});%获取当前算法名称，并将字符转换为函数 [Best_score,Best_pos,Convergence_curve]=Algorithm(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);%当前算法求解 %将当前算法求解结果放入data中 data(i).Best_score=Best_score;%保存该算法的Best_score到data data(i).Best_pos=Best_pos;%保存该算法的Best_pos到data data(i).Convergence_curve=Convergence_curve;%保存该算法的Convergence_curve到data bestFit=[bestFit data(i).Best_score]; end %% 画各算法的直方图 figure bar(bestFit) ylabel('无人机飞行路径长度'); set(gca,'xtick',1:1:size(AlgorithmName,2)); set(gca,'XTickLabel',AlgorithmName) saveas(gcf,'./Picture/直方图.jpg') %将图片保存到Picture文件夹下面 %% 画收敛曲线 strColor={'r-','g-','b-','k-','m-','c-','y-'}; figure for i=1:size(data,2) plot(data(i).Convergence_curve,strColor{i},'linewidth',1.5)%semilogy hold on end xlabel('迭代次数'); ylabel('无人机飞行路径长度'); legend(AlgorithmName,'Location','Best') saveas(gcf,'./Picture/收敛曲线.jpg') %将图片保存到Picture文件夹下面 %% 显示三维图并保存 path=plotFigure(data,AlgorithmName,strColor);%path是各算法求解的无人机路径 saveas(gcf,'./Picture/路径曲线（三维）.jpg') %将图片保存到Picture文件夹下面 %% 显示二维图并保存 view(2) saveas(gcf,'./Picture/路径曲线（二维）.jpg') %将图片保存到Picture文件夹下面 （2）部分结果     ### 四、完整MATLAB代码