这是一个简单的工具箱，具有友好的图形界面，非常适合那些没有很高的编程技能的人。
GWO算法的参数可以很容易地在工具箱中定义。
目标函数的默认名称是CostFunction。如果你看一下CostFunction。M文件中，你可能会注意到成本函数获取的变量是一个向量([x1 x2…Xn])并返回目标值。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，请记住要遵循相同的输入和输出结构。
变量的下界和上界也应该写成lb1,lb2，…, ub2 lbn和ub1…,ubn。如果所有变量的下界和上界相等，则可以将lb和ub定义为两个单数值:lb和ub。

只需运行GWO_toolbox。M文件和享受!

GWO算法也可在此下载:

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

以下是论文的源代码:

S. Mirjalili, S. M. Mirjalili, A. Lewis，灰狼优化器，工程软件进展，卷69,2014年3月，页46-61,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。透过以下连结报名，可获九折优惠:

*******************************************************************************************************************************************
“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

“遗传算法简介:理论与应用”课程
https://www.udemy.com/geneticalgorithm/?couponCode=MATHWORKSREF
*******************************************************************************************************************************************