灰狼优化算法(GWO)模拟了自然界灰狼的领导和狩猎层级,在狼群中存在四种角色,α \alphaα狼负责领导是最具有智慧的在狩猎当中可以敏锐的知道猎物的位置,β \betaβ狼可以认为是军师比较具有智慧比较能知道猎物的位置,δ \deltaδ狼负责协助前两个层级的狼,最后是ω \omegaω狼负责跟从。
在这里插入图片描述在狩猎(寻优)的过程中,狼群的这三种层级并不是一成不变的,也会根据各个狼的适应度(fitness)进行调整,适应度最强的狼将会成为新的α \alphaα狼,其次是β \betaβ狼,依次类推。通过很多次的寻找猎物(寻优)中三个层级逐渐趋于稳定,这个时候我们取α \alphaα狼
的位置作为猎物(最优解)所处的位置。注意:注意智能优化算法都是在优化函数光滑性较差,容易落入局部最优时才使用的,不要乱用。智能优化算法的收敛是一种概率意义的收敛,所以得到的解并不一定绝对最优,并且往往收敛较慢。