改进的灰太狼优化器（I-GWO）由Mohammad H. Nadimi-Shahraki, Shokooh Taghian, Seyedali Mirjalili等人提出，用于解决全局优化和工程设计问题。这种改进是为了缓解群体多样性不足、开发和探索之间的不平衡以及GWO算法的过早收敛。I-GWO算法得益于一种新的运动策略&基于维度学习的狩猎（DLH）搜索策略，该策略继承了狼在自然界中的个体狩猎行为。DLH使用不同的方法为每只狼构建一个邻域，其中狼之间可以共享相邻信息。DLH搜索策略中使用的维度学习可以增强局部搜索和全局搜索之间的平衡，并保持多样性。

在23个基本测试函数上评估了I-GWO算法的性能。结果表明I-GWO算法具有很强的竞争力，并且往往更优越。算法可直接运行，附有适应度值的曲线图程序。IGWO是非常优秀的算法，可用于工程应用，也可以用于算法的对比。

程序可直接运行。所用停止标准为迭代次数。如需利用评估次数进行评价，改进非常方便，作者可提供相关指导。