使用python语言写了一个自动登录慕课网、自动爬取课程信息的爬虫程序，该程序可以自动获取给定链接指定的网站，使用给定的步骤获取所需信息

提出了一种利用克隆选择算法的混合灰狼优化器(pGWO-CSA)，以克服标准灰狼优化器(GWO)收敛速度慢、单峰函数精度低、多峰函数和复杂问题容易陷入局部最优的缺点。提出的pGWO-CSA的修改可以分为以下三个方面。首先，利用非线性函数代替线性函数来调整收敛因子的迭代衰减，实现开采与勘探的自动平衡;然后，设计出不受适应度较差的α狼和β狼影响的最优α狼;由于δ狼的适应度较低，设计了次优β狼。最后，将克隆选择算法(CSA)的克隆和超突变引入到GWO中，增强了跳出局部最优的能力。

提出了一种混合版本的二元GWO (BGWO)和另一种最新的元启发式算法，以提高基于包装器的特征选择方法的性能。利用s型传递函数将连续搜索空间转换为二进制形式，以满足特征选择的性质要求。使用k -最近邻(KNN)分类器来评估所选特征的优劣。为了验证所提出的混合方法的性能，使用了18个标准特征选择UCI基准数据集。并与二元混合灰狼优化粒子群算法(BGWOPSO)、BGWO (bGWO1、bGWO2)、二元粒子群算法(BPSO)、二元遗传算法(BGA)、模拟退火的鲸鱼优化算法(WOASAT-2)、二元旗鱼优化算法(A β BSF)、二元β爬山算法(β HC)、自适应突变的二元JAYA算法(BJAM)和二元马群优化算法(BHOA)进行了性能比较。