灰狼优化算法matlab代码

本人把灰狼优化算法用Matlab语言，采用面向对象的方式进行了编写。用户只需要搞清算法原理后，修改算法程序中需要的一些基本参数，在修改一下与求解问题相关的目标函数两处，就能够快速使用灰狼优化算法，看到算法运行的效果。这对于不熟悉编程的科研工作者和学生，能节省大量的时间，并帮助其把精力集中于自己要解决的主要问题上。如果有兴趣和能力，也可以在原代码基础上，自己做进一步修改，使得代码更符合自己的使用需要。

下面简略介绍使用灰狼优化算法matlab代码的过程。

一  灰狼优化算法代码简介

灰狼优化算法的介绍可以搜索多篇网络文章，其搜索最优解的过程比较好理解。在清楚了算法过程后，和其他智能算法类似，最主要的都是需要把解决的具体问题转化成一个数学模型，然后在模型中求取函数极值。灰狼优化算法的处理过程是固定的，因此只要设定好算法需要的目标函数和使用的参数，就能正常运行算法。下图是灰狼算法所有相关程序文件的截图。

只需要对上图中两个文件进行简单修改，就能快速运行起灰狼算法。

 二  灰狼算法使用举例

这里的例子仍然使用在和声算法和猴群算法中使用的函数求极值例子，该函数的详细信息，可以从下面链接中打开看到：

网址一：和声算法

网址二：猴群算法

三 灰狼算法matlab源代码的修改使用

以上述函数为例，灰狼算法matlab代码的修改使用分为如下几步：

1 下载灰狼算法代码，付款后，获取解压缩密码并解压到当前文件夹。

该代码已经压缩打包后放在百度网盘上,链接：百度网盘地址
提取码：1234

用户下载后，需要先查看“解压缩密码”文件，其中有付款二维码，付款后，请加QQ号：181120112，要解压缩密码。然后解压其中的压缩文件到本地文件夹下，随后打开matlab软件，进入该文件夹就能打开算法主文件使用。代码使用Matlab 2020b版本开发，用户使用的matlab版本最好与这个版本相同或更高些，这样可以保证使用时少出意外问题。

2 修改目标函数

用户根据自己的具体问题，确定了目标函数以后，只需要在SupportFiles文件夹下的TargetFunc.m文件中修改cacTarget()函数内容，为自己的目标函数以后，就完成了使用灰狼算法需要的第1个修改任务。仍然以上述例子函数为目标函数，修改后的cacTarget()函数如下：

这里代码中的X(1,1)就是例子函数中的x分量，X(1,2)就是例子函数中的y分量。 

3 算法参数上的修改

灰狼算法的参数修改在主文件mainGWO中，在matlab下打开该文件，用户可以按照自己问题的参数需要，修改代码文件中如下图灰狼算法各参数数值即可。各参数的功能已经在后边用绿色注释进行了说明，以确保不会填错。

4 运行

完成以上修改后，点击matlab的运行按钮，就可以正常运行灰狼算法。在下方的命令窗口内，可以看到迭代信息。如图：

 

 四  灰狼算法运行结果图示

算法运行完，会把各轮迭代的最优值画出，最后形成最优目标值变化曲线图。需要注意的是，因为该算法属于随机搜索，所以不是每次都一定能找到全局最优解，一些时候，可能只能找到次优解。另外，由于每一轮迭代狼群都有变化，所以各轮次最优灰狼也在发生变化，并不总是保持不变。但因为每轮都保存了上一轮最优灰狼，所以总体上最优狼是逐渐靠近函数全局极值的。下图是算法运行一次后，得到的最优目标值变化曲线图。

可以看到，算法在各个轮次都有最优解，但多数都是局部最优解，最后一次迭代时也只找到了局部最优解15.923。 

五   最优结果的三维图示

为了方便直观的观察最优解在目标函数上的位置，这里把最后得到的最优解用红色星号标注在目标函数三维图上，可以看到，最优解已经找到了局部最优值所在的山峰，并接近了山顶。需要注意的是，有时找到的最优解并不是全局极值，所以红色星号标注也可能出现在其他山峰上。最后本图只能显示二维函数求取极值的图像。高于二维，就没法画图显示了。

要做出如上图形，也需要修改一个函数文件，即修改InfoPlot.m文件中的draw3DPoint()函数内容。截图如下： 

 

六 结束语

通过以上操作，研究者只需要根据自己的具体问题，建立数学模型和目标函数，然后在matlab源代码中简单修改目标函数和相应的参数，就能立刻运行灰狼算法程序，跑出结果。能为研究者和学生节省不少时间，希望这些代码能帮助到大家。如果用户想加入自己的创意，也可以在原代码基础上做进一步修改，以提升或扩展其功能和使用范围。