Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) ialah metaheuristik kecerdasan kelumun yang diperkenalkan oleh Mirjalili, Mirjalili, dan Lewis pada tahun 2014 yang memodelkan hierarki sosial dan tingkah laku memburu secara kerjasama serigala kelabu. Populasi calon penyelesaian dibahagikan kepada empat peringkat kepimpinan — alpha, beta, delta, dan omega — dan tiga penyelesaian terbaik pada setiap lelaran membimbing keseluruhan kelumun ke arah kawasan ruang carian yang semakin baik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/ms/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.
- Pengoptimuman BayesianPengoptimuman↔ compare
- Algoritma GenetikPengoptimuman↔ compare
- Particle Swarm Optimization (PSO)Pengoptimuman↔ compare
- Simulated AnnealingPengoptimuman↔ compare
- Tabu SearchPengoptimuman↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →