金豺最佳化算法（Golden Jackal Optimization，GJO）是一種基於自然啟發的元啟發式算法，靈感來源於金豺的合作狩獵行為。該算法於2022年提出，旨在為解決實際工程問題提供一種替代的最佳化方法。GJO算法的主要步驟包括：
種群位置初始化。獵物（即問題的潛在解決方案）的位置隨機分布在搜尋空間中。
確定雌雄金豺對位置。通過適應度函式評估種群中每個獵物的適應度，以確定雌雄金豺的位置。
搜尋獵物階段。雄性金豺和雌性金豺根據一定的數學模型更新位置，以搜尋獵物。
包圍攻擊獵物階段。金豺根據其位置和獵物的位置，採取包圍和攻擊的策略來最佳化搜尋過程。
GJO算法的特點在於其模仿金豺狩獵行為的三個基本步驟——獵物搜尋、包圍和突襲。這種算法適用於解決最佳化問題，尤其是在處理複雜或多模態問題時表現出色。它通過模擬自然界的狩獵行為，提供了一種有效的全局最佳化方法。