Grey Wolf Optimizer — GWO
Grey Wolf Optimizer (GWO) เป็นเมตาฮิวริสติกส์แบบสวอร์มอัจฉริยะที่ Mirjalili, Mirjalili และ Lewis นำเสนอในปี 2014 ซึ่งจำลองลำดับชั้นทางสังคมและพฤติกรรมการล่าแบบร่วมมือกันของหมาป่าสีเทา ประชากรของชุดคำตอบที่เป็นไปได้จะถูกแบ่งออกเป็นสี่ลำดับชั้นผู้นำ ได้แก่ อัลฟา เบตา เดลตา และโอเมกา และชุดคำตอบที่ดีที่สุดสามชุดในการวนซ้ำแต่ละครั้งจะนำทางฝูงทั้งหมดไปยังพื้นที่ที่ดีขึ้นเรื่อย ๆ ในปริภูมิการค้นหา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/th/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.
- Bayesian Optimizationการหาค่าเหมาะที่สุด↔ compare
- Genetic Algorithmการหาค่าเหมาะที่สุด↔ compare
- Particle Swarm Optimization (PSO)การหาค่าเหมาะที่สุด↔ compare
- Simulated Annealingการหาค่าเหมาะที่สุด↔ compare
- Tabu Searchการหาค่าเหมาะที่สุด↔ compare