思想：
模拟狼群捕食行为以及猎物分配方式，抽象出游走，召唤，围攻三种智能行为以及“胜者为王”的头狼产生规则和“强者生存”的狼群更新机制。
引言中提到的智能优化算法：
（1）对鸟群捕食行为的观察研究提出的粒子群优化（particle swarm optimization PSO算法）
（2）通过模拟蚂蚁社会分工与写作觅食的行为圆心进行寻优提出的蚁群优化（ant colony opyimization ACO）
（3）模拟鱼群扑食，聚群等行为提出了鱼群算法（fish swarm algorithm FSA）
（4）模仿大肠杆菌在人体食道觅食行为，提出了细菌觅食优化（bactering foraging optimization BFO）
（5）模拟青蛙觅食过程中群体信息共享和交流机制提出了人工混合蛙跳算法（shuffled frog leaping algorithm，SFLA）
（6）基于蜂后概念，蜂群繁殖以及觅食方式提出了人工蜂群算法（aritifical bee colony algorithm，ABCA）
收益的一句话：
鸟，鱼群，青蛙，甚至蚂蚁，细菌，它们都并不能有人类的复杂逻辑推理，综合判断等高级智能，但它们在相同目标，也就是食物的激励下，通过对环境的不断适应和群体协作，自组织却突显出强大的群体智能，为人类解决复杂问题提供新思路。
自己的心得：
看到以上的那句话，提示有一些恍然大悟的感觉，智能算法中的仿生算法就是模拟生物行为（因为生物有自己的目的，在尝试达到目的的过程中通过不断的进化就似乎是在模拟实验，一步步的调整参数进行改进。从而达到最优化的策略。这个就是我们学习和使用的
问题：
现在我们模拟生物的行为，但是生物现在的行为有进化的趋势吗？现在是目前最好的，还是已经达到了其进化的顶峰。如果是个可不可以就说这个仿生算法就是最优的，如果不是有没有什么方式催化生物算法的的进化？、或者说现在的仿生算法可以看成是对生物模型的一种进化的催化吗？？）
虽然自己一直以来本着要学习好大数据的节奏，零散的看资料，试图尝试避开算法这个路径，但是在只知道自己方向就是算法的时候，有害怕更多的 是想认真的去研究。现在看来就是觉的大自然很神奇，现在的仿生算法学习让我有一种需要回归自然，向自然请教的一种让人欢喜的感觉。