结合了GWO算法和PSO算法的优化方法

GWOPSO算法是一种结合了GWO算法和PSO算法的优化方法。它将GWO算法中的狼群搜索行为和PSO算法中的粒子群搜索行为相结合，以更好地解决实际问题。

在GWOPSO算法中，首先利用GWO算法对搜索空间进行探索，得到初步的搜索结果。然后利用PSO算法对搜索结果进行进一步优化，以提高算法收敛速度和搜索精度。具体来讲，GWOPSO算法的流程如下：

1. 初始化种群，包括狼群和粒子群，设置相应的参数，例如狼群数量、粒子数量、迭代次数等；

2. 利用GWO算法对种群进行初步搜索，得到初步的搜索结果；

3. 利用PSO算法对搜索结果进行进一步优化，以提高搜索精度和收敛速度；

4. 根据设定的终止条件，判断是否达到迭代次数或者精度要求，如果满足条件则输出最终结果，否则返回第2步继续优化；

5. 算法结束。

相比于单一的GWO或PSO算法，GWOPSO算法能够更好地克服各自的缺点，同时也能够利用各自的优点，从而达到更好的优化效果。