Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) er en metaheuristik baseret på sværmintelligens, introduceret af Mirjalili, Mirjalili og Lewis i 2014, som modellerer den sociale hierarki og den kooperative jagtadfærd hos grå ulve. En population af kandidatløsninger opdeles i fire lederskabsrang — alpha, beta, delta og omega — og de tre bedste løsninger i hver iteration guider hele sværmen mod stadigt bedre regioner af søgerummet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Kilder
- Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46-61. DOI: 10.1016/j.advengsoft.2013.12.007 ↗
- Faris, H., Aljarah, I., Al-Betar, M. A., & Mirjalili, S. (2018). Grey Wolf Optimizer: A Review of Recent Variants and Applications. Neural Computing and Applications, 30(2), 413-435. DOI: 10.1007/s00521-017-3272-5 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/da/optimization/grey-wolf-optimizer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk optimeringOptimering↔ compare
- Genetisk AlgoritmeOptimering↔ compare
- Partikelsværmoptimering (PSO)Optimering↔ compare
- Simulated AnnealingOptimering↔ compare
- Tabu SearchOptimering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →