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.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
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
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 algoritmOptimering↔ compare
- Partikelsvärmsoptimering (PSO)Optimering↔ compare
- Simulated Annealing – Probabilistisk OptimeringOptimering↔ compare
- Tabu SearchOptimering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →