Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) ir metaheuristika, kas balstīta uz baru intelektu, ko 2014. gadā ieviesa Mirjalili, Mirjalili un Lewis. Tā modelē pelēko vilku sociālo hierarhiju un kooperatīvo medību uzvedību. Kādreizējo risinājumu populācija tiek sadalīta četrās vadības pakāpēs — alfa, beta, delta un omega — un trīs labākie risinājumi katrā iterācijā vada visu baru uz arvien labākām meklēšanas telpas apgabalām.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/lv/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.
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Ģenētiskais algoritmsOptimizācija↔ compare
- Particle Swarm Optimization (PSO)Optimizācija↔ compare
- Simulated AnnealingOptimizācija↔ compare
- Tabu SearchOptimizācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →