免费项目
金豺优化算法 GJO｜2022年｜MATLAB标准实现｜基础优化算法代码
金豺优化算法（GJO）提出于 2022 年，模拟金豺成对狩猎、搜索、包围与攻击猎物的完整过程。本包为 MATLAB 标准实现，返回最优适应度、最优解与逐代收敛曲线，适合作为对比实验的基准算法与教学示例。
项目说明
金豺优化算法（GJO）
提出年份：2022 年 编程语言：MATLAB
金豺优化算法（GJO）是 2022 年提出的一种优化算法，模拟金豺成对狩猎、搜索、包围与攻击猎物的完整过程。
- 标准迭代框架，参数含义清晰，便于阅读与二次开发
- 入口参数统一为 种群规模 / 迭代次数 / 下界 / 上界 / 维度 / 目标函数句柄
- 返回最优适应度值、最优解位置与逐代收敛曲线，可直接与其它算法对比
交付内容：GJO.m 主算法文件、initialization.m、levy.m、README.txt（参数说明与调用示例）
调用方式：[Male_Jackal_score, Male_Jackal_pos, Convergence_curve] = GJO(SearchAgents_no, Max_iter, lb, ub, dim, fobj)
运行环境：MATLAB，依赖已随包提供，解压即可运行