GWO算法模仿了自然界中灰狼的领导力等级和狩猎机制。使用Alpha,Beta,Delta和Omega等四种类型的灰狼,用于模拟领导力层次结构。此外,实施了三个主要的狩猎,寻找猎物,环绕猎物和攻击猎物的步骤以执行优化。
这是本文的源代码:S。Mirjalili,S。M. Mirjalili,A。Lewis,Gray Wold Wold Optimizer,工程软件的进步,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。
可以找到更多的信息:http://www.alimirjalili.com/GWO.html
您可以在此处找到灰狼优化器工具箱://www.tianjin-qmedu.com/matlabcentral/fileexchange/47258-grey-wolf-optimizer-toolbox
其他相关意见:https://au.mathworks.com/matlabcentral/fileexchange/49772-grey-wolf-optimizer-for-training-multi-layer-perceptrons
我在这方面有许多相关课程。您可以通过以下链接注册95%的折扣:
*******************************************************************************************************************************************
A course on “Optimization Problems and Algorithms: how to understand, formulation, and solve optimization problems”:
https://www.udemy.com/optimisation/?couponcode=mathworksref
A course on “Introduction to Genetic Algorithms: Theory and Applications”
https://www.udemy.com/geneticalgorithm/?couponCode=MATHWORKSREF
*******************************************************************************************************************************************
引用为
Seyedali Mirjalili(2022)。灰狼优化器(GWO)(//www.tianjin-qmedu.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer-gwo),matlab中央文件交换。检索。