李 真，王 帆，王冉珺

(1.中国科学院 光电技术研究所,成都 610209； 2.中国科学院大学,北京 100049；3.中国科学院 空间光电精密测量技术重点实验室,成都 610209；4.中国科学院 西安光学精密机械研究所,西安 710000；5.中国科学院 空间精密测量技术重点实验室,西安 710000)

0 引言

群体智能算法[1]如蚁群算法[2]、鲨鱼算法[3]、蜂群算法[4-5]、遗传算法[6-8]、粒子群算法[9-11]近几年逐渐成为学者们研究的焦点，由于粒子群算法(PSO,particle swarm optimization)易于实现且复杂度相对较小，已广泛应用于多个不同的工程领域[12-13]，但粒子群算法存在一个天然缺陷，就是其在搜索的过程当中，易陷入局部最优，即最终通过粒子群算法找到的值与全局最优值有一定的差距，针对此缺点许多学者提出了许多改进策略。文献[14]将提出将遗传算法与粒子群算法结合使算法能够快速收敛，文献[15]将粒子群算法的位置更新公式进行改进，增强其搜索能力，文献[16]将混沌策略加入粒子群算法当中，改善了其易陷入局部最优的缺点。文献[17]对粒子群算法的参数进行调整，平衡全局和局部的搜索能力.

本文同样针对粒子群算法易陷入局部最优的缺点，对粒子群算法进行改进，由此提出了一种改进的粒子群优化算法(PSO_GWO)，主要改进策略包括最差粒子进行进化策略和对最优粒子进行扰动的策略，以及结合灰狼算法搜索能力强[18]的优点，将灰狼算法的优势引入粒子群算法中，并且选取了9个常用的标准测试函数进行测试，从收敛速度和寻优精度两个方面进行了对比，仿真结果表明所提算法有效。……