狼群优化算法 python

狼群优化算法（Wolf Optimization Algorithm，WOA）是一种基于狼群行为模式的群体智能优化算法。下面是一个简单的狼群优化算法的 Python 实现示例：

import numpy as np

def woa(cost_func, num_vars, lb, ub, max_iter, num_wolves):
    # 初始化狼群位置
    wolves_pos = np.random.uniform(lb, ub, (num_wolves, num_vars))
    
    # 初始化最优解
    best_pos = None
    best_cost = float('inf')
    
    for i in range(max_iter):
        a = 2 - i * ((2) / max_iter)  # 调整参数 a，控制收敛速度

        for j in range(num_wolves):
            # 更新狼的位置
            r1 = np.random.random(num_vars)
            r2 = np.random.random(num_vars)
            A = 2 * a * r1 - a
            C = 2 * r2
            D = np.abs(C * wolves_pos[j] - wolves_pos)

            X1 = wolves_pos[j]
            X2 = best_pos

            # 狼群协作行为
            wolves_pos[j] = (X1 - A * D) + (X2 - wolves_pos[j])

            # 边界处理
            wolves_pos[j] = np.clip(wolves_pos[j], lb, ub)

            # 计算适应值并更新最优解
            cost = cost_func(wolves_pos[j])
            if cost < best_cost:
                best_pos = wolves_pos[j]
                best_cost = cost
    
    return best_pos, best_cost

这是一个基本的狼群优化算法的 Python 实现示例，你可以根据自己的需求进行调整和扩展。在使用时，你需要提供一个适应值函数（`cost_func`）、变量数量（`num_vars`）、变量的下界（`lb`）和上界（`ub`）、最大迭代次数（`max_iter`）以及狼群数量（`num_wolves`）。算法将返回找到的最优解和对应的适应值。