Ps：本期代码免费获取，觉得有用的小伙伴可以点个推荐或赞支持一下，给作者更多推出免费代码的动力~
目录
灰叶猴优化器(Gray Langurs Optimizer, GLO) 是一种新型的元启发式算法（智能优化算法），其灵感主要来源于灰叶猴在自然界中的群体行为------一雄群、多雄群、全雄群三种群体结构、社会等级体系、群体间迁移以及自由漫游行为。该算法通过模拟灰叶猴的多群组并行搜索策略，有效平衡探索与开发并避免陷入局部最优。该成果由 Saeid Barshandeh 等人于 2026年发表在SCI一区Top期刊《Artificial Intelligence Review》上！
由于发表时间较短，目前谷歌学术上还没人引用！你先用，你就是创新！
原理简介
算法流程图和伪代码
为了使大家更好地理解，这边给出作者算法的流程图和伪代码，非常清晰！
如果实在看不懂，不用担心，可以看下源代码，再结合上文公式理解就一目了然了！
性能测评
原文作者使用23个经典测试函数、27个CEC2017测试函数，将GLO与13种最先进的元启发式算法进行了全面对比，包括ALO、AO、AOA、ASO、KH、RSA、SHO、STOA、ChOA、CCO、DE、DOA、PSO等。此外，GLO还应用于6个真实世界优化问题中，通过Friedman检验和Wilcoxon符号秩检验进行统计验证。
这边为了方便大家对比与理解，采用23个标准测试函数，即CEC2005，设置种群数量为30，迭代次数为500，和经典的蜣螂优化算法DBO进行对比！这边展示其中5个测试函数的图，其余十几个测试函数大家可以自行切换尝试！
可以看到，这个算法性能不错，在大部分函数上都超过了经典的极光优化算法，大家应用到各类预测、优化问题中是一个不错的选择~
参考文献
1Barshandeh S, Khodadadi N, Abdollahzadeh B, et al. Gray Langurs Optimizer: A Multi-group Bio-inspired Optimization AlgorithmJ. Artificial Intelligence Review, 2026.
完整代码
如果需要免费获得图中的完整测试代码，只需点击下方小卡片，再后台回复关键字，不区分大小写：
GLO
也可点击下方小卡片，再后台回复个人需求（比如原创改进灰叶猴算法）定制以下GLO算法优化模型（看到秒回）：
**1.机器学习/深度学习类：**BP、SVM、RVM、DBN、LSSVM、ELM、KELM、HKELM、DELM、RELM、DHKELM、RF、SAE、LSTM、BiLSTM、GRU、BiGRU、PNN、CNN、XGBoost、LightGBM、TCN、BiTCN、ESN、Transformer等等均可~
**2.组合预测类：**CNN/TCN/BiTCN/DBN/Transformer/Adaboost结合SVM、RVM、ELM、LSTM、BiLSTM、GRU、BiGRU、Attention机制类等均可（可任意搭配非常新颖）~
**3.分解类：**EMD、EEMD、VMD、REMD、FEEMD、TVFEMD、CEEMDAN、ICEEMDAN、SVMD、FMD、JMD等分解模型均可~
**4.路径规划类：**机器人路径规划、多机器人动态路径规划、无人机三维路径规划、无人机集群路径规划、无人机动态避障路径规划、无人机任务分配、冷链物流路径优化、TSP问题、物流中心选址、VRPTW路径优化等等~
**5.小众优化类：**配电网故障定位、边缘计算任务卸载、特征选择、投资组合优化、DV-Hop定位、光伏电池参数辨识优化、光伏MPPT控制、储能容量配置优化、微电网优化、PID参数整定优化、无线传感器覆盖优化、图像分割、故障诊断、车间调度、车间布局优化等等均可~
**6.原创改进优化算法（适合需要创新的同学）：**原创改进2026年的灰叶猴优化算法GLO以及壁虎优化算法GJA、白鲸优化算法BWO等任意优化算法均可，保证测试函数效果，一般可直接核心！