灰狼算法（Grey Wolf Optimizer，簡稱GWO）是由Seyedali Mirjalili等人在2014年提出的一種群智慧型最佳化算法，它受到自然界中灰狼群體捕食行為的啟發。
灰狼算法中，每隻灰狼的位置代表了解空間中的一個可行解，占據最好位置的三隻灰狼被視為狼王及其左右護法（也稱為α、β、δ），它們領導狼群進行捕獵活動，即尋找最優解。在捕獵過程中，狼群中的每一隻灰狼會向這三隻位置最優的灰狼移動一定的距離，來決定自己下一步的位置。隨著疊代的進行，根據位置的優劣會重新選出新的狼王和左右護法。
灰狼算法具有較強的收斂性能、參數少、易實現等特點，已被成功地套用到了車間調度、參數最佳化、圖像分類、神經網路、控制、電力系統等領域中。然而，灰狼算法也存在早熟收斂的缺點，並且容易停滯在局部最優解。為了改進這一問題，研究者們引入了新的搜尋策略、與其他最佳化算法混合、修改狼群結構等方法來提升算法的性能。
總的來說，灰狼算法是一種模擬自然界中灰狼群體捕食行為的最佳化算法，它通過狼群群體協作的機制來達到最佳化的目的，在平衡探索和開發方面取得了不錯的效果，並且在收斂速度和求解精度上都有良好的性能。