GWO (Mirjalili et al., 2014) is a r

GWO (Mirjalili et al., 2014) is a relatively new population based stochastic algorithm that has received considerable attention in recent literature, based on the hunting habits and hierarchy that exists in a pack of grey wolves (Canis lupus). The wolves are divided as alpha, beta, delta and omega wolves to simulate the hierarchy in a pack, with the alpha being the fittest wolf or population member. In this algorithm, the optimal solution is considered as “prey” and the exploration and exploitation of the search space is done through specially designed “Searching for prey” and “Attacking prey” stages respectively.

ผลลัพธ์ (ไทย) 1:

เกาชิ (Mirjalili et al. 2014) เป็นค่อนข้างใหม่ประชากรจาก stochastic อัลกอริทึมที่ได้รับความสนใจอย่างมากในวรรณคดีล่า ตามพฤติกรรมการล่าสัตว์และลำดับชั้นที่มีอยู่ในชุดของหมาป่าสีเทา (กลุ่มดาวสุนัขโรค) หมาป่าจะแบ่งออกเป็น alpha, beta, delta และโอเมก้าหมาป่าการจำลองลำดับชั้นในแพ็ค กับอัลฟาสมาชิกหมาป่าหรือประชากร fittest ในอัลกอริทึมนี้ โซลูชั่นถือว่าเป็น "เหยื่อที่เป็น" และการสำรวจ และแสวงหาประโยชน์จากพื้นที่การค้นหาจะทำผ่านออก "หาเหยื่อ" และ "โจมตีเหยื่อ" ขั้นตามลำดับ

ผลลัพธ์ (ไทย) 2:

GWO (Mirjalili et al. 2014) เป็นประชากรตามขั้นตอนวิธีการสุ่มที่ค่อนข้างใหม่ที่ได้รับความสนใจเป็นอย่างมากในวรรณคดีที่ผ่านมาขึ้นอยู่กับพฤติกรรมการล่าสัตว์และการลำดับชั้นที่มีอยู่ในแพ็คของหมาป่าสีเทา (Canis lupus) หมาป่าจะถูกแบ่งออกเป็นอัลฟ่าเบต้าเดลต้าและหมาป่าโอเมก้าเพื่อจำลองลำดับชั้นในแพ็คกับอัลฟาเป็น fittest หมาป่าหรือประชากรสมาชิก ในขั้นตอนวิธีการนี​​้ทางออกที่ดีที่สุดจะถือว่าเป็น "เหยื่อ" และการสำรวจและการใช้ประโยชน์ของพื้นที่ค้นหาจะกระทำผ่านการออกแบบมาเป็นพิเศษ "การค้นหาเหยื่อ" และ "ทุ่มเหยื่อ" ขั้นตอนตามลำดับ

ผลลัพธ์ (ไทย) 3:

GWO ( mirjalili et al . , 2010 ) คือ ประชากรที่ค่อนข้างใหม่ตามวิธี stochastic ที่ได้รับความสนใจมากในวรรณกรรมที่ผ่านมาตามล่านิสัยและลักษณะที่ปรากฏในชุดของหมาป่าเทา ( คานิส lupus ) หมาป่า จะแบ่งเป็น อัลฟ่า เบต้า เดลต้าและโอเมก้าหมาป่าจำลองลำดับชั้นในฝูง ด้วยเราเป็นหมาป่า fittest หรือสมาชิกในประชากร ในขั้นตอนนี้ ทางออกที่ดีที่สุดคือการพิจารณาเป็น " เหยื่อ " และการสำรวจและแสวงประโยชน์จากการค้นหาพื้นที่ผ่านการออกแบบ " โดยเฉพาะการค้นหาเหยื่อ " และ " โจมตีเหยื่อ " ขั้นตอนตามลำดับ