参数识别是混沌系统的重要问题,混沌系统已在多个领域进行了深入研究,例如安全通信,功率转换器和生物系统。 为了解决上述问题,提出了大多数现有的进化算法。 然而,现有的进化算法在解决参数识别问题时有其自身的局限性。 因此,我们提出了一种新颖的,高效的对立狼群算法(OWPA),该算法具有良好的开发和探索平衡性,可以估计洛伦兹混沌系统的参数。 首先,提出了一种对立的初始种群产生方法,以增强全局收敛性。 其次,针对狼群算法中的新狼生产提出了一种基于对立的学习方法,该方法不仅增强了正常情况下狼群算法的局部搜索能力,而且在灾难性情况下增加了分布种群的多样性。 此外,将提出的对立狼群算法应用于离线和在线条件下的Lorenz混沌系统的参数估计。 最后,通过算例说明了该算法的有效性。 结果表明,与现有的流行算法(粒子群算法,萤火虫算法和布谷鸟搜索算法)相比,上述算法具有更高的有效性和鲁棒性。