针对标准灰狼优化算法（GWO）的收敛速度慢、易陷入局部最优等缺点，提出一种在非线性双收敛因子策略下基于双头狼引领的改进灰狼优化（GWO-THW）算法。首先，利用混沌Cubic映射初始化种群，提升种群分布的均匀性和多样性，并通过平均适应度值将狼群分为捕猎狼和侦察狼，两类狼群采用不同的收敛因子，在各自的头狼带领下寻找和围捕猎物；其次，为提升搜索速度和精度，设计了一种位置更新的自适应权重因子；同时，为跳出局部最优，当一定时间内未发现猎物时，狼群采用莱维（Levy）飞行策略随机更新位置。在10个常用的基准测试函数上验证GWO-THW的有效性。实验结果表明，与标准GWO及相关变体相比，GWO-THW在8个基准测试函数上都取得了较高的寻优精度和收敛速度，尤其在多峰函数上，200次迭代内就能收敛到理想最优值，从而验证了GWO-THW具有更好的寻优性能。
