群智能开源第六期-改进灰狼优化算法（IGWO）

    灰狼优化 (grey wolf optimization, GWO) 算法是Mirjalili于2014年提出的一种新型群体智能优化方法, 它源于模拟自然界中灰狼种群的等级层次机制和捕食行为, 通过狼群跟踪、包围、追捕、攻击猎物等过程实现优化搜索目的。

    与大多数元启发式算法类似，GWO 是一种基于种群的方法，主要分为全局探索（exploration）阶段和局部勘探(exploitation)，由于算法出现的比较早，相关的文献太多了，这里就简单介绍了，不懂得问题可后台私信。

2.1 包围猎物

2.2 攻击猎物

2.3 邻域搜索+位置共享

    采用领域搜索+位置共享 本质就是增强其全局寻优以及避免早熟收敛的能力

第一步 先计算个体间的欧式距离

第二步 领域搜索共享信息 与基础GWO算法最优种群进行比较 

2.3 改进算法流程图

    由于代码太占地方，直接从后台获取吧，里面还包括了相关的参考文献（国内相关的算法文献较少，国外的较多）,从图中可知，效果还是有一定增强的哇（时间复杂度也增加了）

后台回复   GWO

详细代码+中文注释+参考文献

下期更新黑猩猩优化算法（含源代码）