Algorytm Optymalizacji Wilków Szarych — GWO
Algorytm Optymalizacji Wilków Szarych (GWO) to metaheurystyka typu inteligencji roju, wprowadzona przez Mirjaliliego, Mirjaliliego i Lewisa w 2014 roku, która modeluje hierarchię społeczną i kooperacyjne zachowania łowieckie wilków szarych. Populacja rozwiązań kandydujących jest dzielona na cztery rangi przywództwa — alfa, beta, delta i omega — a trzy najlepsze rozwiązania w każdej iteracji kierują całym rojem w stronę coraz lepszych obszarów przestrzeni poszukiwań.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/pl/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.
- Optymalizacja bayesowskaOptymalizacja↔ compare
- Algorytm genetycznyOptymalizacja↔ compare
- Optymalizacja rojem cząstek (PSO)Optymalizacja↔ compare
- Wyżarzanie symulowaneOptymalizacja↔ compare
- Przeszukiwanie tabuOptymalizacja↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →