摘要：灰狼優(yōu)化算法是模擬灰狼捕食行為的新型智能優(yōu)化算法。原始灰狼算法由于種群迭代更新始終靠近最優(yōu)解,所以存在易陷入局部最優(yōu)解以及早熟收斂過快的現(xiàn)象。為了解決該問題,提出了一種基于禁忌搜索的灰狼優(yōu)化算法,在原始灰狼優(yōu)化算法中引入禁忌表的策略。禁忌表可以記錄若干次歷史搜索記錄,下輪算法迭代可通過檢索禁忌表來避免迂回搜索。當(dāng)算法多次迭代且無法進一步獲得更優(yōu)解時,對當(dāng)前最優(yōu)解再進行一輪禁忌搜索,使得算法在一定次數(shù)內(nèi)避免再次回到歷史搜索中,進而跳出局部最優(yōu)。通過對8個Benchmark基準(zhǔn)函數(shù)的尋優(yōu)測試表明,改進后的算法與原始灰狼優(yōu)化算法和粒子群算法相比,其全局搜索能力獲得顯著提高,收斂速度加快,收斂精度更高,尋優(yōu)能力更佳。