灰狼优化算法（GWO）附代码附matlab代码

⽂章⽬录

1 算法介绍

灰狼优化算法（Grey Wolf Optimizer，GWO）由Mirjalili等于２０１４年提出。GWO算法是模拟⾃然界中灰狼群体的社会等级机制和捕

猎⾏为⽽衍⽣出的⼀种新型群体智能优化算法．在GWO算法中，每只灰狼代表种群中1个候选解，其中，群体中最优解称为α，次最优解称

为β，第三最优解称为δ，其他解均称为ω．灰狼的社会等级制度如图所⽰：

社会等级可划分为头狼α、下属狼β、普通狼δ和底层狼ω四层，其中α负责领导狼群，β协助α做出决策，δ听从α和β的指令，也可以

指挥底层个体ω。灰狼优化算法中的α，β和δ分别表⽰历史最优解、次优解和第三最优解，ω表⽰其余个体。算法进化过程中，α，β和

δ负责定位猎物的位置，并引导其他个体完成靠近、包围和攻击等⾏为，最终达到捕⾷猎物的⽬的。