压力容器设计的目标是将圆柱形容器的材料、成型和焊接的总成本降至最低

此免费代码用于混合 GWOCS 优化算法，该算法结合了 GWO 与 CS 的全局收敛能力。 我们在基准优化功能上对其进行了测试，发现GWOCS的性能优于单独的GWO。 该存储库包括： 混合 GWO CS 优化的完整代码

灰狼算法（GWO）和粒子群算法（PSO）在Matlab上的算法实现，同时加入了UCI的基准函数进行性能比较，便于学习两个算法。

灰狼优化器是 mirjalili 提出的元启发式算法。 我们对原始算法提出了新的改进，如附件所示原始算法描述于： http : //dx.doi.org/10.1016/j.advengsoft.2013.12.007 原始代码在： http : //www.mathworks.com/matlabcentral/fileexchange/47258-grey-wolf-optimizer-toolbox

为了提高负荷短期预测的准确性和稳定性，提出了一种结合改进的灰狼优化（IGWO）和极限学习机（ELM）进行短期云计算资源负荷预测的模型。 改进的GWO算法用于搜索与ELM的预测性能密切相关的最佳ELM参数。 实验结果表明，IGWO-ELM模型可以准确地表征云计算资源短期负载的复杂趋势，并且与参考模型相比，可以有效地提高预测模型的准确性和稳定性。

灰狼算法（GWO），针对单目标函数，文件中有提出算法作者的matlab源代码和文章； 多目标灰狼算法（MOGWO），针对多目标函数，文件中有提出算法作者的matlab源代码和文章； 如果您觉得资源可以的话，请给好评。

云计算资源负载短期预测是云计算平台实现资源高效管理和系统安全、稳定运行的重要前提和保障措施之一。为了其提高负载短期预测的预测精度，提出一种改进灰狼搜索算法优化支持向量机的短期云计算资源负载预测模型（EGWO-SVM）。首先介绍灰狼搜索算法（GWO）的基本原理；然后提出基于极值优化的改进GWO模型；最后根据最优参数建立短期资源负载预测模型，并通过仿真实验对EGWO-SVM的性能进行测试。实验结果表明，相对于参比模型，EGWO-SVM能更加准确地刻画云计算短期资源负载的复杂变化趋势，从而有效提升云计算资源负载短期预测的精度。

本程序应用灰狼算法优化SVR实现预测功能

利用改进狼群算法来优化支持向量机的参数C和G，来对轴承数据进行分类，结合试验验证，效果不错，设置合理的上下界对算法的运行速度很有帮助

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。