这是一个简单的工具箱，具有友好的图形界面，非常适合那些没有高级编程技能的人。
GWO算法的参数可以在工具箱中轻松定义。
目标函数的默认名称为CostFunction。如果你看一下成本函数。M文件，你可能会注意到代价函数得到的变量在一个向量([x1 x2…Xn])，并返回客观值。您可以在此文件中写入目标函数，也可以创建一个新文件并将其名称传递给工具箱。如果您决定采用第二种方法，请记住输入和输出遵循相同的结构。
变量的上界和下界也应该写成lb1,lb2，…, ub2 lbn和ub1…,ubn。如果所有的变量都有相同的下界和/或上界，你可以将lb和ub定义为两个单独的数字:lb, ub。

只要运行GWO_toolbox。M文件，并享受!

GWO算法也可在此下载:

//www.tatmou.com/.au/matlabcentral/fileexchange/44974-grey-wolf-optimizer--gwo-

这是论文的源代码:

S. Mirjalili, S. M. Mirjalili, A. Lewis, Grey Wolf Optimizer, Advances in Engineering Software，第69卷，2014年3月，第46-61页，ISSN 0965-9978，http://dx.doi.org/10.1016/j.advengsoft.2013.12.007．

更多资料请浏览:http://www.alimirjalili.com/GWO.html

其他有关提交:https://au.mathworks.com/matlabcentral/fileexchange/49772-grey-wolf-optimizer-for-training-multi-layer-perceptrons

我有很多这方面的相关课程。你可透过以下连结报名，享受九五折优惠:

*******************************************************************************************************************************************
“优化问题与算法:如何理解、表述和解决优化问题”课程:
https://www.udemy.com/optimisation/?couponCode=MATHWORKSREF

《遗传算法概论:理论与应用》
https://www.udemy.com/geneticalgorithm/?couponCode=MATHWORKSREF
*******************************************************************************************************************************************