先做一个声明：文章是由我的个人公众号中的推送直接复制粘贴而来，因此对智能优化算法感兴趣的朋友，可关注我的个人公众号：启发式算法讨论。我会不定期在公众号里分享不同的智能优化算法，经典的，或者是近几年提出的新型智能优化算法，并附MATLAB代码。
首先，对于GWO算法不了解的同学，可以查看往期推送：
算法的性能不是绝对的，而是相对的。基于某一实际问题或优化函数，几种算法之间进行收敛精度、收敛速度、稳定性的比较。因此，如果改进GWO算法，它首先需要与标准GWO进行对比，其次就是与它的同类算法进行对比，即其他优秀的GWO变体算法。
这一期总共实现了8种中文变体，大家在写中文文章时可以考虑采用。它们的一些信息如表1所示。
| 算法名 | 年份 | 期刊 | 期刊级别 |
| IGWO [1] | 2017 | 计算机应用 | 北核、CSCD |
| ODGWO [2] | 2019 | 控制与决策 | EI、北核、CSCD |
| DSF-GWO [3] | 2021 | 计算机应用研究 | 北核、CSCD |
| MGWO [4] | 2021 | 上海理工大学学报 | 北核、CSCD |
| ncpGWO [5] | 2021 | 计算机应用与软件 | 北核 |
| MSI_GWO [6] | 2022 | 国外电子测量技术 | 北核 |
| PSO-GWO [7] | 2022 | 科学技术与工程 | 北核 |
| newGWO [8] | 2023 | 计算力学学报 | 北核、CSCD |
01
算法改进策略简介
IGWO改进策略：
1.引入权值因子
2.概率扰动策略
ODGWO改进策略：
1.最优最差反向学习策略
2.动态随机差分变异策略
3.单维和全维分段操作
DSF-GWO改进策略：
1.动态扰动因子策略
2.翻筋斗觅食策略
MGWO改进策略：
1.指数规律收敛因子调整策略
2.自适应位置更新策略
3.修订的动态权重策略
ncpGWO改进策略：
一种非线性控制参数组合调整策略
MSI_GWO改进策略：
1.非线性参数调整策略
2.动态权重位置更新策略
3.小波函数最优解扰动策略
PSO-GWO改进策略：
1.精英反向学习机制
2.控制参数的改进
3.PSO思想的位置更新策略
newGWO改进策略：
1.Tent映射方程初始化种群
2.收敛因子调整策略
3.位置更新策略
02
改进效果
为了简要展示算法的改进效果，将每个GWO变体与标准GWO算法进行了对比。参数设置参照其参考文献，最大迭代次数为500，种群规模为50，测试集为CEC2005。收敛曲线如图1到图8所示。
IGWO vs GWO
图1 IGWO和GWO在CEC2005 f1上的收敛曲线
ODGWO vs GWO
图2 ODGWO和GWO在CEC2005 f7上的收敛曲线
DSF-GWO vs GWO
图3 DSF-GWO和GWO在CEC2005 f1上的收敛曲线
MGWO vs GWO
图4 MGWO和GWO在CEC2005 f1上的收敛曲线
ncpGWO vs GWO
图5 ncpGWO和GWO在CEC2005 f1上的收敛曲线
MSI_GWO vs GWO
图6 MSI_GWO和GWO在CEC2005 f1上的收敛曲线
PSO-GWO vs GWO
图7 PSO-GWO和GWO在CEC2005 f1上的收敛曲线
newGWO vs GWO
图8 newGWO和GWO在CEC2005 f1上的收敛曲线
03
MATLAB代码
关注公众号。公众号里有。
采用动态权重和概率扰动策略改进的灰狼优化算法(IGWO)：
新型反向学习和差分变异的灰狼优化算法(ODGWO)：
一种增强型的灰狼优化算法(DSF-GWO)：
一种改进的灰狼优化算法(MGWO)：
基于非线性控制参数组合策略的灰狼优化算法(ncpGWO)：
一种多策略改进的灰狼优化算法(MSI_GWO)：
一种基于粒子群思想的灰狼优化算法(PSO-GWO)：
改进的灰狼优化算法(newGWO)：
04
参考文献
[1]陈闯,Ryad Chellali,邢尹.采用动态权重和概率扰动策略改进的灰狼优化算法[J].计算机应用,2017,37(12):3493-3497+3508.
[2]张新明,王霞,康强.改进的灰狼优化算法及其高维函数和FCM优化[J].控制与决策,2019,34(10):2073-2084.DOI:10.13195/j.kzyjc.2018.0146.
[3]王正通,程凤芹,尤文,李双.基于翻筋斗觅食策略的灰狼优化算法[J].计算机应用研究, 2021,38(05):1434-1437.DOI:10.19734/j.issn.1001-3695.2020.04.0102.
[4]张阳,周溪召.求解全局优化问题的改进灰狼算法[J].上海理工大学学报,2021,43(01):73-82.DOI:10.13255/j.cnki.jusst.20200331002.
[5]张孟健,龙道银,杨小柳,王霄,杨靖.基于非线性控制参数组合策略的灰狼优化算法[J].计算机应用与软件,2021,38(05):250-255+322.
[6]陈敏,陈晔,牛兴龙,武志博.求解全局优化问题的多策略改进灰狼算法[J].国外电子测量技术,2022,41(11):22-29.DOI:10.19652/j.cnki.femt.2204260.
[7]胡泽洲,于仲安,张军令.改进的灰狼算法在电动汽车充电调度中的应用[J].科学技术与工程,2022,22(30):13355-13362.
[8]谢少鹏,吴柏生,赵秀婷,邹敏清,林丹锐.基于改进灰狼优化算法的结构损伤识别[J/OL].计算力学学报:1-8[2023-03-29].http://kns.cnki.net/kcms/detail/21.1373.O3.20230309.1128.026.html