完整代码，可直接运行

【lstm预测】基于灰狼优化算法改进的lstm预测matlab源码.zip

LGWO：用于函数优化的改进的灰狼优化

【优化求解】基于tent混沌改进灰狼优化算法matlab源码.zip

在多目标灰狼优化器 (MOGWO) 中，一个固定大小的外部档案被集成到 GWO 中，用于保存和检索帕累托最优解。 该档案已被用于定义社会等级并模拟多目标搜索空间中灰狼的狩猎行为。 主要论文可在此处找到：S. Mirjalili、S. Saremi、SM Mirjalili、L. Coelho，多目标灰狼优化器：一种用于多标准优化的新算法，专家系统与应用程序，印刷中，DOI： http ://dx.doi.org/10.1016/j.eswa.2015.10.039 该算法的单目标版本可以在这里找到： http : //au.mathworks.com/matlabcentral/fileexchange/44974-grey-wolf-optimizer--gwo - 更多信息请见： http : //www.alimirjalili.com/GWO.html 其他相关提交： ht

I-GWO 算法受益于一种新的运动策略，称为基于维度学习的狩猎 (DLH) 搜索策略，该策略继承自自然界狼的个体狩猎行为。 DLH 使用不同的方法为每只狼构建一个邻域，其中可以在狼之间共享相邻信息。 DLH 搜索策略中使用的这种维度学习可以增强局部和全局搜索之间的平衡并保持多样性。 作者和程序员：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili 电子邮件：nadimi@ieee.org、shokooh.taghian94@gmail.com、ali.mirjalili@gmail.com http://www.alimirjalili.com 主要论文：MH Nadimi-Shahraki、S. Taghian、S. Mirjalili，用于解决的改进灰狼优化器，工程问题，专家系统与应用，印刷中，DOI：10.1016/j.eswa.2020.1

为了解决多目标灰狼优化算法（MOGWO）易陷入局部最优，稳定性差等缺点，基于对算法寻优时灰狼个体运动情况的分析，提出了两条改进策略：一是通过引入“观察”策略赋予灰狼个体自主探索的能力，以提高算法的优化效率和跳出局部最优的能力；二是改进控制参数调整策略，选用幂函数取代线性函数以提高算法的稳定性。然后对两条改进策略进行了可行性分析，提出了带观察策略的多目标灰狼算法并进行了算法复杂度分析。最后通过对6个不同特点测试函数的多次重复实验，结合GD与IGD两种通用评价指标，对原算法、改进后算法和多目标粒子群算法进行比较，从算法效率、寻优能力和稳定性等方面综合验证了算法改进的有效性和优越性。

此工具箱提供两种类型的二元灰狼优化 (BGWO) 方法 演示了 BGWO 如何使用基准数据集解决特征选择问题的示例。 ****************************************************** ****************************************************** ********************************** 请考虑引用我的文章[1] 太，经纬，等。 “一种新的竞争性二元灰狼优化器，用于解决 EMG 信号分类中的特征选择问题。” 计算机，卷。 7，没有。 4，MDPI AG，2018 年 11 月，第 4 页。 58、DOI： https : //doi.org/10.3390/computers7040058 [2] 也是，经纬和阿卜杜勒·拉希姆·阿卜杜拉。

灰狼优化算法（GWO）.m与PSO比较算法灰狼优化算法（GWO）.

代码运行效果图见压缩包