Para mejorar la velocidad de convergencia y la precisión de cálculo del algoritmo de optimización de lobos grises (GWO), este documento propone un algoritmo de optimización de lobos grises basado en oposición generalizada dinámica (DOGWO). Una estrategia de aprendizaje basada en oposición generalizada dinámica mejora la diversidad de las poblaciones de búsqueda y aumenta el potencial de encontrar mejores soluciones que pueden acelerar la velocidad de convergencia, mejorar la precisión de cálculo y evitar óptimos locales hasta cierto punto. Además, se emplearon 23 funciones de referencia para evaluar el algoritmo DOGWO. Los resultados experimentales muestran que el algoritmo DOGWO propuesto podría proporcionar resultados muy competitivos en comparación con otros algoritmos analizados, con una velocidad de convergencia más rápida, una mayor precisión de cálculo y una mayor estabilidad.