一、成长优化算法介绍
成长优化算法（Growth Optimizer，GO）由Qingke Zhang等人于2023年提出，该算法的设计灵感来源于个人在成长过程中的学习和反思机制。学习是个人通过从外部世界获取知识而成长的过程，反思是检查个体自身不足，调整个体学习策略，帮助个体成长的过程。
参考文献：
[1]Qingke Zhang, Hao Gao, Zhi-Hui Zhan, Junqing Li, Huaxiang Zhang,Growth Optimizer: A powerful metaheuristic algorithm for solving continuous and discrete global optimization problems,Knowledge-Based Systems,261,2023
二、成长优化算法（Growth Optimizer，GO）求解不闭合MD-MTSP
2.1部分代码
close all
clear
clc
global data StartPoint Tnum
%数据集参考文献 REINELT G.TSPLIB-a traveling salesman problem[J].ORSA Journal on Computing,1991,3(4):267-384.
% 导入TSP数据集 bayg29
load('data.txt')
StartPoint=[1 5 15 16];%起点城市的序号(可以修改) 必须由小到大排列 （建议：2到6个旅行商）
Tnum=length(StartPoint);%旅行商个数
Dim=size(data,1)-Tnum;%维度
lb=-10;%下界
ub=10;%上界
fobj=@Fun;%计算总距离
SearchAgents_no=100; % 种群大小（可以修改）
Max_iteration=1000; % 最大迭代次数（可以修改）
[fMin,bestX,curve]=GO(SearchAgents_no,Max_iteration,lb,ub,Dim,fobj);
2.2部分结果
（1）4个旅行商
第1个旅行商的路径：1->24->27->23->7->25->11
第1个旅行商的总路径长度：1046.326909
第2个旅行商的路径：5->21->4->18->14->22->17
第2个旅行商的总路径长度：902.884267
第3个旅行商的路径：15->19->13->10->20->2->29
第3个旅行商的总路径长度：763.347889
第4个旅行商的路径：16->8->28->6->12->9->26->3
第4个旅行商的总路径长度：984.022357
所有旅行商的总路径长度：3696.581423
（2）5个旅行商
第1个旅行商的路径：1->12->6->21->2
第1个旅行商的总路径长度：739.324016
第2个旅行商的路径：5->9->26->29->3
第2个旅行商的总路径长度：561.515806
第3个旅行商的路径：15->13->24->8->28
第3个旅行商的总路径长度：743.505212
第4个旅行商的路径：16->27->23->7->25
第4个旅行商的总路径长度：893.476357
第5个旅行商的路径：20->10->4->18->14->17->22->11->19
第5个旅行商的总路径长度：852.936105
所有旅行商的总路径长度：3790.757495
