一種小生境灰狼優(yōu)化算法

　　灰狼優(yōu)化算法 （Grey Wolf Optimizer，GWO）是一種模擬灰狼捕食行為的群體智能算法，該算法最先由澳大利亞學(xué)者M(jìn)irjalili于2014年提出，根據(jù)灰狼的社會(huì)等級(jí)將包圍、追捕、攻擊等捕食任務(wù)分配給不同等級(jí)的灰狼群來完成捕食行為，從而實(shí)現(xiàn)全局優(yōu)化的過程。GWO算法具有操作簡(jiǎn)單、調(diào)節(jié)參數(shù)少、編程易實(shí)現(xiàn)等特點(diǎn)。在函數(shù)優(yōu)化方面，與其他群智能優(yōu)化算法相比有明顯的優(yōu)越性。但同時(shí)也存在著易陷入局部最優(yōu)、求解精度不高、收斂速度慢等缺點(diǎn)。魏政磊等采用計(jì)算分配值的方法提出了一種自適應(yīng)搜索的灰狼求解算法從而加快算法的收斂速度；羅佳等將混沌序列方法引入初始化種群個(gè)體，給出了一種尋優(yōu)性和魯棒性更好的改進(jìn)GWO算法。龍文等引入了佳點(diǎn)集理來初始化狼群，并用非固定多段映射罰函數(shù)法處理約束條件，利用改進(jìn)GWO算法求解約束優(yōu)化問題，并驗(yàn)證了其有效性。