MATLAB实现灰狼算法优化Ackley函数

灰狼算法（Grey Wolf Optimizer）是一种启发式优化算法，用于寻找多维函数的最优解。下面是使用MATLAB实现灰狼算法并完成Ackley's Function函数的寻优的示例代码：

% 函数：Ackley's Function
function f = ackley(x)
    d = length(x);
    sum1 = sum(x.^2);
    sum2 = sum(cos(2*pi*x));
    f = -20*exp(-0.2*sqrt(sum1/d)) - exp(sum2/d) + 20 + exp(1);
end

% 灰狼算法
function [best_sol, best_fitness] = grey_wolf_optimizer()
    % 初始化参数
    num_wolves = 30;  % 狼群数量
    max_iterations = 100;  % 最大迭代次数
    lb = -32.768;  % 变量下界
    ub = 32.768;  % 变量上界
    dim = 2;  % 变量维度
    
    % 初始化狼群位置和适应度
    wolves = lb + (ub-lb) * rand(num_wolves, dim);
    fitness = zeros(num_wolves, 1);
    for i = 1:num_wolves
        fitness(i) = ackley(wolves(i,:));
    end
    
    % 寻找最优解
    best_fitness = inf;
    for iter = 1:max_iterations
        % 更新狼群位置和适应度
        for i = 1:num_wolves
            if fitness(i) < best_fitness
                best_fitness = fitness(i);
                best_sol = wolves(i,:);
            end
            a = 2 - iter * (2 / max_iterations);  % 衰减系数
            A = 2 * a * rand() - a;
            C = 2 * rand();
            D = abs(C * best_sol - wolves(i,:));
            wolves(i,:) = best_sol - A * D;
            
            % 边界处理
            wolves(i,:) = max(wolves(i,:), lb);
            wolves(i,:) = min(wolves(i,:), ub);
            
            % 更新适应度
            fitness(i) = ackley(wolves(i,:));
        end
    end
end

% 测试
[best_sol, best_fitness] = grey_wolf_optimizer();
disp('最优解：');
disp(best_sol);
disp('最优适应度：');
disp(best_fitness);

上述代码中，ackley函数定义了Ackley's Function函数的计算方法。grey_wolf_optimizer函数实现了灰狼算法的寻优过程，包括初始化狼群位置和适应度、更新狼群位置和适应度等。最后，通过调用grey_wolf_optimizer函数来获取最优解和最优适应度。

你可以将上述代码保存为一个.m文件，在MATLAB命令窗口中运行即可得到Ackley's Function函数的最优解和最优适应度。