Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) är en metaheuristik för svärmintelligens som introducerades av Mirjalili, Mirjalili och Lewis år 2014. Den modellerar den sociala hierarkin och det kooperativa jaktbeteendet hos gråvargar. En population av kandidatlösningar delas in i fyra ledarskapsnivåer — alfa, beta, delta och omega — och de tre bästa lösningarna i varje iteration leder hela svärmen mot allt bättre regioner av sökrymden.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
+1 till
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/sv/optimization/grey-wolf-optimizer
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Bayesiansk optimeringOptimering↔ jämför
- Genetisk algoritmOptimering↔ jämför
- Partikelsvärmsoptimering (PSO)Optimering↔ jämför
- Simulated Annealing – Probabilistisk OptimeringOptimering↔ jämför
- Tabu SearchOptimering↔ jämför
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →