根据生物学启发的算法在现代数值优化中变得非常强大,尤其是对于诸如旅行商问题之类的NP难问题。在这些生物衍生算法中,粒子群算法、蚁群算法、人工蜂群算法以及萤火虫算法等群集智能算法成为优化和其他应用中的热门研究课题。本文旨在介绍一种新的优化算法:蜘蛛猴算法。该算法是受蜘蛛猴觅食行为启发提出的一种群集智能优化算法,通过模拟现实生活中蜘蛛猴种群的裂变——融合机制,以达到寻找函数最优值的目的。数值实验证明,该算法具有原理简单、高效、控制参数少的优点。首先,本文对已有群集智能算法,尤其是粒子群算法,做了概述。其次,本文对标准蜘蛛猴算法进行了详细的分析与研究,并利用图示对算法的寻优机制进行详细描述。为提高蜘蛛猴算法的局部搜索性能,本文提出了含有动态自适应惯性权重的蜘蛛猴算法,通过在惯性权重中引入目标函数值,使得惯性权重的变化具有方向性,从而减少了其变化的盲目性,有效平衡了算法的全局探索能力以及局部开发能力。将改进的蜘蛛猴算法在函数优化问题上进行测试,仿真实验结果表明,改进的蜘蛛猴算法可有效提高函数寻优精度,加快收敛速度,且具有较强的稳定性。