2.1 混沌映射反向学习初始化种群
在标准SSO算法中，对于蜘蛛位置的初始化采用的是在上下限范围内随机取值。这种方法操作上简单，但是存在着一定的缺点，不能保证初始位置均匀分布，使得算法的最优值以及收敛速度都得不到很好的效果。因此，本文利用Logistic映射与反向学习相结合的方法进行种群初始化[14,15]，使得蜘蛛个体的初始位置能够更加均匀地分布，
2.2 自适应权重的位置更新
在标准SSO算法中，雌性与雄性蜘蛛的位置更新过程可以看出，蜘蛛更新后的位置受当前位置的影响很大。惯性权重值较大时有利于全局搜索，较小时则有利于局部搜索。本文引入自适应权重，在算法迭代过程中来动态平衡全局搜索和局部搜索，能够提高算法的搜索速度和收敛精度，
