灰狼算法代码matlab

以下是在MATLAB中实现灰狼优化算法的示例代码：

% 灰狼优化算法
function [bestSolution, bestFitness] = greyWolfOptimization(objFunc, numVars, lb, ub, maxIterations, numWolves)
    % 初始化灰狼群体
    wolves = rand(numWolves, numVars) .* (ub - lb) + lb;
    
    % 初始化最佳解和最佳适应度
    bestSolution = zeros(1, numVars);
    bestFitness = inf;
    
    % 迭代优化
    for iter = 1:maxIterations
        % 计算每只灰狼的适应度
        fitness = arrayfun(objFunc, wolves);
        
        % 更新最佳解和最佳适应度
        [minFitness, minIndex] = min(fitness);
        if minFitness < bestFitness
            bestFitness = minFitness;
            bestSolution = wolves(minIndex, :);
        end
        
        % 更新灰狼位置
        a = 2 - iter * (2 / maxIterations); % 衰减系数
        for i = 1:numWolves
            for j = 1:numVars
                r1 = rand(); % 随机数1
                r2 = rand(); % 随机数2
                
                % 更新位置
                if r1 < 0.5
                    D = abs(r2 * bestSolution(j) - wolves(i, j));
                    wolves(i, j) = bestSolution(j) - a * D;
                else
                    D1 = abs(r2 * bestSolution(j) - wolves(i, j));
                    D2 = abs(r2 * bestSolution(j) - wolves(i, j));
                    wolves(i, j) = bestSolution(j) + a * D1 - a * D2;
                end
                
                % 边界处理
                wolves(i, j) = max(wolves(i, j), lb(j));
                wolves(i, j) = min(wolves(i, j), ub(j));
            end
        end
    end
end

使用上述代码，你可以定义自己的目标函数，并将其作为参数传递给`greyWolfOptimization`函数。该函数将返回最佳解和最佳适应度。