ScholarGate
Pembantu
Process / pipeline

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.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Sumber

  1. 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
  2. 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.

Compare side by side

Dirujuk oleh

ScholarGateGrey Wolf Optimizer (Grey Wolf Optimizer (GWO)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/optimization/grey-wolf-optimizer · Set data: https://doi.org/10.5281/zenodo.20539026