猴群算法（Monkey Algorithm, MA）是一種智慧型最佳化算法，它模仿了自然界中猴群爬山的行為，旨在解決大規模、多峰值的最佳化問題。該算法主要由以下三個過程組成：
爬過程。主要目的是搜尋當前位置的局部最優解。
望過程。通過眺望來尋找鄰近領域中比當前位置更優的解，以加速最優解的搜尋過程。
跳過程。目的是從當前搜尋區域轉移到其他區域，以避免陷入局部最優解。
猴群算法的特點包括：
參數少、尋優能力強，能有效解決複雜問題。
在尋找局部最優位置的爬過程中，計算量主要集中在目標函式的偽梯度上，僅涉及當前位置的兩個臨近位置的目標函式值，與決策向量的維數無關，這使得算法在處理高維最佳化問題時表現出色。
算法在實現上相對簡單，但存在一些不足之處，如對參數的敏感性、可能陷入局部最優解，以及在最佳化效率方面有改進空間。
針對這些不足，研究者們提出了各種改進方案，例如結合混沌搜尋技術和自適應因子調整來提高算法的性能和避免局部最優。這些改進方案有效地提高了猴群算法在解決複雜最佳化問題時的性能和效率。