参数识别是混沌系统的重要问题，混沌系统已在多个领域进行了深入研究，例如安全通信，功率转换器和生物系统。 为了解决上述问题，提出了大多数现有的进化算法。 然而，现有的进化算法在解决参数识别问题时有其自身的局限性。 因此，我们提出了一种新颖的，高效的对立狼群算法（OWPA），该算法具有良好的开发和探索平衡性，可以估计洛伦兹混沌系统的参数。 首先，提出了一种对立的初始种群产生方法，以增强全局收敛性。 其次，针对狼群算法中的新狼生产提出了一种基于对立的学习方法，该方法不仅增强了正常情况下狼群算法的局部搜