一种小生境灰狼优化算法

　　灰狼优化算法 （Grey Wolf Optimizer，GWO）是一种模拟灰狼捕食行为的群体智能算法，该算法最先由澳大利亚学者Mirjalili于2014年提出，根据灰狼的社会等级将包围、追捕、攻击等捕食任务分配给不同等级的灰狼群来完成捕食行为，从而实现全局优化的过程。GWO算法具有操作简单、调节参数少、编程易实现等特点。在函数优化方面，与其他群智能优化算法相比有明显的优越性。但同时也存在着易陷入局部最优、求解精度不高、收敛速度慢等缺点。魏政磊等采用计算分配值的方法提出了一种自适应搜索的灰狼求解算法从而加快算法的收敛速度；罗佳等将混沌序列方法引入初始化种群个体，给出了一种寻优性和鲁棒性更好的改进GWO算法。龙文等引入了佳点集理来初始化狼群，并用非固定多段映射罚函数法处理约束条件，利用改进GWO算法求解约束优化问题，并验证了其有效性。