灰狼算法是近几年提出来的一种元启发式群智能算法,起源于对自然界中灰狼群体的社会行为和生活习性的观察。狼群按照个体能力和作用,从上到下分为4个社会阶层,低层社会的狼必须服从高层的领导,前3个阶层的狼成为狼群的领导者,领导狼群进行捕食。灰狼算法寻优机制模拟了狼群严苛的社会等级和有序的捕食行为,最优解即为猎物,种群中最好的三个个体成为狼群的领导者,寻优过程中领导狼群包围猎物、围捕猎物、进攻猎物。灰狼算法参数少,结构简单,易于实现,在求解优化问题上具有很好局部搜索能力和求解精度,受到研究者的广泛关注。但其仍处于研究初始阶段,存在很多的不足,如种群信息没有充分利用,容易陷入局部最优点而出现早熟现象。灰狼算法的改进和应用研究对于促进灰狼算法的发展和推动计算科学的进步具有十分重要的意义。本文主要做了3方面的研究工作,其内容如下:灰狼算法在种群进化过程中,种群根据狼群领导者判断猎物潜在位置,并引导种群朝猎物潜在位置方向移动,使得狼群不断靠近最优解位置。为解决灰狼算法求解复杂问题时收敛速度较慢的问题,提高算法求解精度,本文引入导向机制,提出了一种Alpha导向灰狼算法。在狼群每次移动过程中,该算法利用Alpha狼移动方向包含的潜在猎物位置信息引导狼群进化,并加强Alpha在狼群中的领导力度。在16个性能测试函数上与其它算法进行了对比测试,实验结果验证了所提算法的有效性。在灰狼算法中,如果领导者长时间陷入局部最优点无法跳出,种群将集中在领导者附近,严重丧失群体的多样性。为提高种群多样性,降低引导机制对种群多样性的影响,本文提出了一种增强型Alpha导向灰狼算法。该算法对Alpha导向灰狼算法中Alpha引导机制进行了改进,利用Alpha狼的移动方向引导狼群领导集团进化。同时,为增强算法跳出局部最优点的能力,引入了变异算子。通过对比仿真实验,验证了所提策略和算法的有效性。为简化模拟集成电路参数设计,本文以两种结构的运算放大器为例,以开环低频增益最大化为目标,抽象出数学优化模型。将两种改进的灰狼算法以及其它3种群体智能算法应用在该实际工程优化问题中,对比仿真实验结果验证了所提算法的有效性。在Spectre环境下的半经验模型仿真实验,进一步说明了所提算法在模拟集成电路设计中的实际应用意义。