针对狼群算法因其游走行为的局限性而导致该算法寻优速度慢、精度低且易陷局部最优的弊端,将天牛搜索方式种群化且增加自适应步长更新与两须距离关联机制再引入狼群算法,提出基于改进天牛须搜索策略的狼群算法(BWPA)。新算法既有单一搜索而跳出局部最优又有精细搜索的优势。通过运用基准测试函数对BWPA进行50/1000维的仿真测试,并与其他智能算法进行比较,结果表明BWPA在低维和高维下皆具有更快的收敛速度和精度且能跳出局部最优,证实天牛须搜索对狼群算法的改进是有效的。

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法，并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力，将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合，在增加收敛速度的同时，保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷，引入高斯核函数自适应调节莱维飞行的搜索步长，以增加其搜索效率;引入四元法，以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证，表明改进算法在优化效率和全局寻优能力方面均优于原始算法。

通过对起重机传统优化设计方法的学习和深入研究得知,传统优化方法优化效果不明显、优化目标单一且运算效率低等缺陷,为了提升优化效果深入了解并学习DOE分析方法和狼群算法。提取主梁多个重要参数利用DOE分析合理安排实验提取出对主梁性能和质量灵敏度影响较大的主要参数,同时提高算法精度和局部寻优能力将自适应步长和Metropolis接受准则引入到基本狼群算法中,形成了改进狼群算法并应用其进行寻优得到最佳数据组合,。将改进的狼群算法于16T桥起的主梁中进行优化,在满足生活实际的前提下,使其实现轻量化。并运用有限元分析法对进行实例验证,通过验证优化前后主梁力学性能,得出优化后的主梁符合要求,对实际工程结构的设计有指导意义。