这是一个简单的工具箱，具有友好的图形界面，非常适合那些没有高编程技能的人。
GWO算法的参数可以在工具箱中轻松定义。
目标函数的默认名称为CostFunction。如果查看CostFunction.m文件，您可能会注意到cost函数获取向量（[x1 x2…xn]）中的变量并返回目标值。您可以在此文件中编写目标函数，也可以创建新文件并将其名称传递给工具箱。如果您决定使用第二个选项，请记住输入和输出采用相同的结构。
变量的下界和上界也应写成lb1，lb2，…，lbn和ub1，ub2，…，ubn。如果所有变量的下界和/或上界相等，则可以将lb和ub定义为两个单个数字：lb，ub。

只要运行GWO_toolbox.m文件就可以了！

GWO算法也可以在此处下载：

//www.tianjin-qmedu.com/.au/matlabcentral/fileexchange/44974-grey-wolf-optimizer--gwo-

这是本文的源代码：

S.Mirjalili，S.M.Mirjalili，A.Lewis，灰狼优化器，《工程软件进展》，第69卷，2014年3月，第46-61页，ISSN 0965-9978，http://dx.doi.org/10.1016/j.advengsoft.2013.12.007.

有关更多信息，请参阅：http://www.alimirjalili.com/GWO.html

其他有关意见书：https://au.mathworks.com/matlabcentral/fileexchange/49772-grey-wolf-optimizer-for-training-multi-layer-perceptrons

我在这方面有很多相关的课程。您可以通过以下链接注册，享受95%的折扣：

*******************************************************************************************************************************************
关于“优化问题和算法：如何理解、制定和解决优化问题”的课程：
https://www.udemy.com/optimisation/?couponCode=MATHWORKSREF

“遗传算法导论：理论与应用”课程
https://www.udemy.com/geneticalgorithm/?couponCode=MATHWORKSREF
*******************************************************************************************************************************************