بهینه سازی کدهای EES با الگوریتم چندهدفه گرگ های خاکستری (MOGWO) در متلب: 

الگوریتم های فرا ابتکاری از جمله ابزارهای قدرتمند هوش مصنوعی، برای یافتن پاسخ مسائل بهینه سازی از طریق روش های هوشمند هستند که امروزه در شاخه های مختلفی از علوم و مهندس، کاربردهای فراوانی را به خود اختصاص داده اند. این الگوریتم ها، که اغلب از فرایندهای طبیعی الهام گرفته شده اند، در واقع روش های جستجو هستند که در فضایی همه جواب های ممکن برای یک مساله بهینه سازی جستجو می کنند و بهترین جواب یا جواب ها را پیشنهاد می دهند.

الگوریتم بهینه سازی گرگ خاکستری یا Grey Wolf Optimization (GWO) از سازمان‌ دهی موجود در گرگ های خاکستری برای شکارکردن در طبیعت الگو برداری می‌کند که توسط میرجلیلی و همکاران  در سال ۲۰۱۴ میلادی ارائه شد. همانند الگوریتم‌ ازدحام ذرات این الگوریتم نیز از الگوریتم‌های هوش جمعی محسوب می شود که جهت تعیین موقعیت گرگ‌ها در فضای حل مساله تنها از یک عملگر ترکیبی استفاده می‌کند.

در طبیعت گرگ‌های خاکستری به صورت دسته جمعی زندگی و شکار می‌کند. گرگ‌های خاکستری موجوداتی هستند که به صورت نیمه دمکراسی زندگی می‌کنند و جایگاه هر گرگ در اجتماع آن‌ها پیداست. در هر گروه از گرگ‌های خاکستری به طور متوسط بین ۷ الی ۱۲ گرگ وجود دارد. این دسته‌ها یکی از خطرناک ترین شکارچیان هستند. برای شکار گرگ‌های خاکستری ابتدا دور طعمه حلقه زده و طعمه را محاصره می‌کند و  با تنگ تر کردن حلقه محاصره شروع به خسته کردن طعمه می‌کنند. سپس به صورت نوبتی و با دستور گرگ رهبر به طعمه حمله کرده و در نهایت طعمه را از پای در می‌آورند. کد آماده برای لینک دو نرم افزار EES و متلب به همراه مثالی در این مجموعه قرار دارد. کد متلب و ساختار آن به نحوی توسعه داده شده است که نه تنها برای بهینه سازی مسائل EES بلکه برای بهینه سازی کلیه مسائل بتوان با تغییرات کوچکی از آن استفاده نمود.

نسخه EES مورد استفاده باید نسخه ۱۰ حرفه ای باشد

نسخه متلب مورد استفاده برای بهینه سازی ۲۰۱۶b می باشد. ممکن است در نسخه های دیگر با خطاهایی همراه باشد.