一、灰狼优化算法GWO

灰狼优化算法(Grey Wolf Optimizer，GWO)，由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。灵感来自于灰狼群体捕食行为。

二、灰狼优化算法GWO求解23个基本测试函数

2.1 23个函数基本信息

测试集：23组基本测试函数简介及图像（提供python代码）_IT猿手的博客-CSDN博客

2.2部分代码

from FunInfo import Get_Functions_details
from GWO import GWO
import matplotlib.pyplot as plt
#主程序
function_name =16 #测试函数1-23
SearchAgents_no = 50#种群大小
Max_iter = 100#迭代次数
lb,ub,dim,fobj=Get_Functions_details(function_name)#获取问题信息
BestX,BestF,curve = GWO(SearchAgents_no, Max_iter,lb,ub,dim,fobj)#问题求解

#画收敛曲线图
if BestF>0:
    plt.semilogy(curve,color='r',linewidth=2,label='GWO')
else:
    plt.plot(curve,color='r',linewidth=2,label='GWO')
plt.xlabel("Iteration")
plt.ylabel("Fitness")
plt.xlim(0,Max_iter)
plt.title("F"+str(function_name))
plt.legend()
plt.savefig(str(function_name)+'.png')
plt.show()
print('\nThe best solution is:\n'+str(BestX))
print('\nThe best optimal value of the objective funciton is:\n'+str(BestF))

2.3部分结果

三、参考代码

文件夹别包含GWO求解23个函数的完整python代码，点击main.py即可运行。