一、黑翅鸢算法BKA
黑翅鸢算法（Black-winged kite algorithm，BKA）由Wang Jun等人于2024年提出，该算法受黑翅鸢的迁徙和掠食行为启发而得。BKA集成了柯西突变策略和领导者策略，增强了算法的全局搜索能力，提高了算法的收敛速度。
参考文献：
1\]Wang J, Wang W, Hu X, et al. Black-winged kite algorithm: a nature-inspired meta-heuristic for solving benchmark functions and engineering problems\[J\]. Artificial Intelligence Review, 2024, 57(4): 1-53. ### 二、单仓库多旅行商问题 单仓库多旅行商问题（Single-Depot Multiple Travelling Salesman Problem, SD-MTSP）：𝑚个推销员从同一座中心城市出发，访问其中一定数量的城市并且每座城市只能被某一个推销员访问一次，最后返回到中心城市，通常这种问题模型被称之为SD-MTSP。 [多旅行商问题（Multiple Traveling Salesman Problem, MTSP）：单仓库多旅行商问题及多仓库多旅行商问题（含动态视频）_IT猿手的博客-CSDN博客](https://blog.csdn.net/weixin_46204734/article/details/127954644?spm=1001.2014.3001.5502 "多旅行商问题（Multiple Traveling Salesman Problem, MTSP）：单仓库多旅行商问题及多仓库多旅行商问题（含动态视频）_IT猿手的博客-CSDN博客") ### 三、BKA求解单仓库多旅行商问题 figure plot(data(:,1),data(:,2),'go','color','k','MarkerFaceColor','g') hold on %% 无箭头 (二选一) ColorStr={'r-','m-','b-','c-','k-','g-'}; LegStr={'城市','旅行商1','旅行商2','旅行商3','旅行商4','旅行商5','旅行商6'}; for i=1:Tnum Dis(i)=(sum(sum((data(Kd(i,1:end-1),:)-data(Kd(i,2:end),:)).^2)).^0.5); %求解两两城市之间的距离 Qid=Kd(i,1:2+Lnum(i)); plot(data(Qid,1),data(Qid,2),ColorStr{i},'linewidth',1.5); hold on; end xlabel('横坐标') ylabel('纵坐标') legend(LegStr{1:Tnum+1}) 第1个旅行商的路径：13-\>25-\>7-\>11-\>20-\>28-\>13 第1个旅行商的总路径长度：1765.672676 第2个旅行商的路径：13-\>4-\>18-\>17-\>22-\>14-\>13 第2个旅行商的总路径长度：1053.944970 第3个旅行商的路径：13-\>5-\>9-\>26-\>3-\>19-\>13 第3个旅行商的总路径长度：1829.371477 第4个旅行商的路径：13-\>16-\>15-\>10-\>29-\>6-\>13 第4个旅行商的总路径长度：1490.369082 第5个旅行商的路径：13-\>1-\>24-\>27-\>23-\>8-\>12-\>21-\>2-\>13 第5个旅行商的总路径长度：1415.697708 所有旅行商的总路径长度：7555.055913  第1个旅行商的路径：13-\>4-\>11-\>7-\>25-\>13 第1个旅行商的总路径长度：1279.765604 第2个旅行商的路径：13-\>18-\>22-\>14-\>19-\>13 第2个旅行商的总路径长度：1077.868267 第3个旅行商的路径：13-\>6-\>26-\>29-\>5-\>13 第3个旅行商的总路径长度：1245.070279 第4个旅行商的路径：13-\>24-\>8-\>28-\>1-\>13 第4个旅行商的总路径长度：744.446103 第5个旅行商的路径：13-\>10-\>17-\>15-\>16-\>13 第5个旅行商的总路径长度：1292.439554 第6个旅行商的路径：13-\>2-\>3-\>21-\>27-\>23-\>12-\>9-\>20-\>13 第6个旅行商的总路径长度：2199.090721 所有旅行商的总路径长度：7838.680527