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。

为了改善差分灰狼预测算法的早熟收敛、搜索能力不均衡、容易陷入局部最优等问题,提出了一种改进的混合灰狼优化(HGWO)预测算法,可自适应改进和调整差分进化中的变异算子、交叉算子和变异策略。嵌入具有分类预测功能的支持向量机(SVM),同时引入莱维飞行全局搜索更新狼群位置,优化SVM核函数参数γ和惩罚因子C,构建了HGWO-SVM预测算法预测推焦车大车道内物体的运动轨迹。结果表明,与已有算法相比,该算法对行人、自行车、电瓶车、电动三轮车、大中小型四轮汽车的位置预测相对实际值的误差分别降低了4.21、4.14、7.91、2.03、25.53个百分点,预测时间减少了8.8~10 s。可以克服焦炉恶劣的环境影响,准确预测推焦车车道内运动对象的轨迹,为推焦车无人化运行提供主动安全的预测控制方法。

准确的风电功率预测对于电力系统安全稳定运行具有重要意义，滞后性是产生风电功率预测误差的主要原因，尤其是风速变化较快时，滞后性引起的预测误差较大。考虑到风速波动与风电功率的变化息息相关，提出一种基于风速局部爬坡(LR)误差校正的方法来改善预测风速的滞后性，并将校正后的预测风速及历史功率数据作为输入进行风电功率预测。提出利用灰狼优化(GWO)算法对最小二乘支持向量机(LSSVM)的参数进行优化，以提高风电功率预测的准确性。算例结果表明，所提方法能够有效提高风电功率预测精度。

粒子群算法与灰狼优化结合算法（PSO-GWO） 粒子群算法与灰狼优化结合算法（PSO-GWO） 粒子群算法与灰狼优化结合算法（PSO-GWO）.m

灰狼优化算法优化SVM_MATLAB代码分享

演化算法的改进算法，一种基于TENT 映射的混合灰狼优化的改进算法

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.