Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) er en metaheuristikk basert på svermintelligens, introdusert av Mirjalili, Mirjalili og Lewis i 2014, som modellerer sosial hierarki og kooperativ jaktatferd hos gråulver. En populasjon av kandidatløsninger deles inn i fire lederskapsnivåer — alfa, beta, delta og omega — og de tre beste løsningene i hver iterasjon styrer hele svermen mot stadig bedre regioner i søkerommet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/no/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
- Partikkelsvermoptimalisering (PSO)Optimering↔ compare
- Simulert annealing – Probabilistisk optimeringOptimering↔ compare
- Tabu Search – Lokalt søk metaheuristikkOptimering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →