针对灰狼优化算法在求解比较复杂的非线性优化问题时容易早熟收敛,陷入局部极值以及进化后期精度低的情况,在原始的灰狼优化算法(GWO)引入了一种属于随机游动的莱维飞行,提出了一种基于莱维飞行的灰狼优化算法(LGWO).在头狼位置进行更新时,利用莱维飞行对头狼进行全局搜索,防止狼群丧失多样性,易陷入局部最优解.通过仿真,与经典的布谷鸟搜索算法和粒子群算法等群智能算法进行对比,结果表明基于莱维飞行的灰狼优化算法能够有效地提高解的精度并加快收敛速度,寻优效果更优.