将灰狼优化算法(GWO)用于柔性作业车间调度问题(FJSP),以优化最大完工时间为目标,提出一种混合灰狼优化算法(HGWO).首先,采用两段式编码方式,建立GWO连续空间与FJSP离散空间的映射关系;其次,设计种群初始化方法,保证算法初始解的质量;然后,嵌入一种变邻域搜索策略,加强算法的局部搜索能力,引入遗传算子,提升算法的全局探索能力;最后,通过实验数据验证HGWO算法在求解FJSP问题方面的有效性.

Grey Wolf Optimizer Toolbox这是一个简单的工具箱，具有使用友好的图形界面，非常适合那些没有高编程技能的人。 在工具箱中可以很容易地定义GWO算法的参数。

灰狼算法函数极值寻优matlab与python版本，基本每一句都是对应的，方便同时学matlab与python的对着看，特别方便

灰狼优化算法（GWO）matlab代码

文件包含，多目标灰狼优化算法的完整代码 和论文,代码可直接运行，具有很高的参考价值，提供给大家参考学习。

灰狼优化算法优化SVM_MATLAB代码分享

灰狼优化算法的源代码，可以用来参考和修改，包含作者的介绍文章。

最新智能算法matlab，具有较好的效果方便学习交流，具有很好的价值

本资源包含灰狼优化算法（GWO）代码以及粒子群算法（PSO），主函数为使用灰狼优化和粒子群优化对不同函数进行寻优并将两种算法的比较结果绘图显示

The Grey Wolf Optimizer(GWO) algorithm mimics the leadership hierarchy and hunting mechanism of grey wolves in nature. Four types of grey wolves such as alpha, beta, delta, and omega are employed for simulating the leadership hierarchy. In addition, three main steps of hunting, searching for prey, encircling prey, and attacking prey, are implemented to perform optimization.