灰狼优化算法 基于灰狼优化算法的线性规划问题求解 附有完整代码展示

1.灰狼优化算法

灰狼优化算法(Grey Wolf Optimizer，GWO)是一种通过模仿自然界中灰狼群体的等级制度和捕食行为等过程以实现优化搜索目的的智能优化算法。与其他群体智能优化算法相比，灰狼优化算法有着原理简单、需要调整的参数少、易于实现等优点，因此灰狼算法受到了国内外研究学者的广泛关注。

1.算法原理

灰狼属于犬科动物，被认为是顶级的掠食者，它们处于生物圈食物链的顶端。灰狼大多喜欢群居，每个群体中平均有５-12只狼。特别令人感兴趣的是，它们具有非常严格的社会等级层次制度，如图1所示。

                                           

金字塔第一层为种群中的领导者，称为 α 。在狼群中 α 是具有管理能力的个体，主要负责关于狩猎、睡觉的时间和地方、食物分配等群体中各项决策的事务。金字塔第二层是 α 的智囊团队，称为 β 。 β 主要负责协助α 进行决策。当整个狼群的 α 出现空缺时，β 将接替 α 的位置。 β 在狼群中的支配权仅次于 α，它将 α 的命令下达给其他成员，并将其他成员的执行情况反馈给 α 起着桥梁的作用。金字塔第三层是 δ ，δ 听从 α 和 β 的决策命令，主要负责侦查、放哨、看护等事务。适应度不好的 α 和 β 也会降为 δ 。金字塔最底层是 ω &