智能優(yōu)化算法:灰狼優(yōu)化算法

智能優(yōu)化算法:灰狼優(yōu)化算法-附代碼

@[toc]
摘要:受 灰 狼 群 體 捕 食 行 為 的 啟 發(fā)谐算,Mirjalili等[1]于 2014年提出了一種新型群體智能優(yōu)化算法:灰狼優(yōu)化算法。GWO通過模擬灰狼群體捕食行為夕膀,基于狼群群體協(xié)作的機(jī)制來達(dá)到優(yōu)化的目的惯吕。 GWO算法具有結(jié)構(gòu)簡(jiǎn)單闲勺、需要調(diào)節(jié)的參數(shù)少旬蟋,容易實(shí)現(xiàn)等特點(diǎn)定铜,其中存在能夠自適應(yīng)調(diào)整的收斂因子以及信息反饋機(jī)制阳液,能夠在局部尋優(yōu)與全局搜索之間實(shí)現(xiàn)平衡,因此在對(duì)問題的求解精度和收斂速度方面都有良好的性能揣炕。

1.算法原理

灰狼屬于犬科動(dòng)物,被認(rèn)為是頂級(jí)的掠食者东跪,它們處于生物圈食物鏈的頂端畸陡。灰狼大多喜歡群居虽填,每個(gè)群體中平均有5-12只狼丁恭。特別令人感興趣的是,它們具有非常嚴(yán)格的社會(huì)等級(jí)層次制度斋日,如圖1所示牲览。金字塔第一層為種群中的領(lǐng)導(dǎo)者,稱為 α 恶守。在狼群中 α 是具有管理能力的個(gè)體第献,主要負(fù)責(zé)關(guān)于狩獵、睡覺的時(shí)間和地方兔港、食物分配等群體中各項(xiàng)決策的事務(wù)庸毫。金字塔第二層是 α 的智囊團(tuán)隊(duì),稱為 β 衫樊。 β 主要負(fù)責(zé)協(xié)助α 進(jìn)行決策飒赃。當(dāng)整個(gè)狼群的 α 出現(xiàn)空缺時(shí),β 將接替 α 的位置科侈。 β 在狼群中的支配權(quán)僅次于 α载佳,它將 α 的命令下達(dá)給其他成員,并將其他成員的執(zhí)行情況反饋給 α 起著橋梁的作用臀栈。金字塔第三層是 δ 蔫慧,δ 聽從 α 和 β 的決策命令,主要負(fù)責(zé)偵查挂脑、放哨藕漱、看護(hù)等事務(wù)欲侮。適應(yīng)度不好的 α 和 β 也會(huì)降為 δ 。金字塔最底層是 ω 肋联,主要負(fù)責(zé)種群內(nèi)部關(guān)系的平衡威蕉。

在這里插入圖片描述

<center>圖1.灰狼的社會(huì)等級(jí)制度

此外,集體狩獵是灰狼的另一個(gè)迷人的社會(huì)行為橄仍∪驼牵灰狼的社會(huì)等級(jí)在群體狩獵過程中發(fā)揮著重要的作用,捕食的過程在 α 的帶領(lǐng)下完成侮繁÷侵啵灰狼的狩獵包括以下 3個(gè)主要部分:
1)跟蹤、追逐和接近獵物宪哩;
2)追捕娩贷、包圍和騷擾獵物,直到它停止移動(dòng)锁孟;
3)攻擊獵物

1.1 包圍獵物

在狩獵過程中彬祖,將灰狼圍捕獵物的行為定義如下: \vec{D}=|\vec{C}.\vec{X_{p}}(t)-\vec{X}(t) \tag{1}
\vec{X}(t+1)=\vec{X_{p}}(t)-\vec{A}.\vec{D}\tag{2}
式(1)表示個(gè)體與獵物間的距離,式(2)是灰狼的位置更新公式品抽。其中,t 是目前的迭代代數(shù)储笑,\vec{A}\vec{C}是系數(shù)向量,\vec{X_{p}}\vec{X}分別是獵物的位置向量和灰狼的位置向量圆恤。\vec{A}\vec{C}的計(jì)算公式如下:
\vec{A} = 2\vec{a}.\vec{r_{1}}-\vec{a}\tag{3} \vec{C}=2.\vec{r_{2}}\tag{4}
其中突倍,\vec{a}是收斂因子,隨著迭代次數(shù)從2線性減小到0,\vec{r_{1}}\vec{r_{2}}的模取[0,1]之間的隨機(jī)數(shù)盆昙。

1.2 狩獵

灰狼能夠識(shí)別獵物的位置并包圍它們羽历。當(dāng)灰狼識(shí)別出獵物的位置后,β 和 δ 在 α 的帶領(lǐng)下指導(dǎo)狼群包圍獵物弱左。在優(yōu)化問題的決策空間中窄陡,我們對(duì)最佳解決方案(獵物的位置)并不了解。因此拆火,為了模擬灰狼的狩獵行為跳夭,我們假設(shè) α 钉蒲,β 和 δ 更了解獵物的潛在位置祠乃。我們保存迄今為止取得的3個(gè)最優(yōu)解決方案,并利用這三者的位置來判斷獵物所在的位置绅喉,同時(shí)強(qiáng)迫其他灰狼個(gè)體(包括 ω )依據(jù)最優(yōu)灰狼個(gè)體的位置來更新其位置模狭,逐漸逼近獵物颈抚。狼群內(nèi)個(gè)體跟蹤獵物位置的機(jī)制如圖2所示。

在這里插入圖片描述

<center>圖2.GWO 算法中灰狼位置更新示意圖

灰狼個(gè)體跟蹤獵物位置的數(shù)學(xué)模型描述如下:

\begin{cases}\vec{D_{\alpha}}=|\vec{C_{1}}.\vec{X_{\alpha}}-\vec{X}|\\\vec{D_{\beta}} =|\vec{C_{2}}.\vec{X_{\beta}}-\vec{X}|\\ \vec{D_{\delta}}=|\vec{C_{1}}.\vec{X_{\delta}}-\vec{X}|\end{cases}\tag{5}

其中,\vec{D_{\alpha}},\vec{D_{\beta}},\vec{D_{\delta}}分別表示分別表示 α 贩汉, β 和 δ 與其他個(gè)體間的距離驱富。\vec{X_{\alpha}},\vec{X_{\beta}},\vec{X_{\delta}}分別代表 α , β 和 δ 的當(dāng)前位置匹舞;\vec{C_{1}},\vec{C_{2}},\vec{C_{3}}是隨機(jī)向量褐鸥,\vec{X}是當(dāng)前灰狼的位置。
\begin{cases}\vec{X_{1}}=\vec{X_{a}}-A_{1}.\vec{D_{\alpha}}\\\vec{X_{2}}=\vec{X_{\beta}}-A_{2}.\vec{D_{\beta}}\\\vec{X_{3}}=\vec{X_{\delta}}-A_{3}.\vec{D_{\delta}} \end{cases}\tag{6}
\vec{X}(t+1)=\frac {\vec{X_{1}}+\vec{X_{2}}+\vec{X_{3}}}{3}\tag{7}

式(6)分別定義了狼群中 ω 個(gè)體朝向 α 赐稽,β 和 δ 前進(jìn)的步長(zhǎng)和方向叫榕,式(7)定義了 ω 的最終位置。

1.3 攻擊獵物(開發(fā))

當(dāng)獵物停止移動(dòng)時(shí)姊舵,灰狼通過攻擊來完成狩獵過程晰绎。為了模擬逼近獵物,\vec{a} 的值被逐漸減小括丁,因此 \vec{A}的波動(dòng)范圍也隨之減小荞下。換句話說,在迭代過程中史飞,當(dāng) \vec{a}的值從2線性下降到0時(shí)锄弱,其對(duì)應(yīng)的 \vec{A}的值也在區(qū)間[-a,a]內(nèi)變化。如圖3a所示祸憋,當(dāng) \vec{A}的值位于區(qū)間內(nèi)時(shí),灰狼的下一位置可以位于其當(dāng)前位置和獵物位置之間的任意位置肖卧。當(dāng)|\vec{A}|<1 時(shí)蚯窥,狼群向獵物發(fā)起攻擊(陷入局部最優(yōu))。

在這里插入圖片描述

<center>圖3.攻擊獵物和尋找獵物

1.4 搜索獵物(勘探)

灰狼根據(jù) α ,β 和 δ 的位置來搜索獵物塞帐±乖灰狼在尋找獵物時(shí)彼此分開,然后聚集在一起攻擊獵物葵姥『墒螅基于數(shù)學(xué)建模的散度,可以用 \vec{A}大于1 或小于-1 的隨機(jī)值來迫使灰狼與獵物分離榔幸,這強(qiáng)調(diào)了勘探(探索)并允許 GWO 算法全局搜索最優(yōu)解允乐。如圖3b所示,|\vec{A}|>1 強(qiáng)迫灰狼與獵物(局部最優(yōu))分離削咆,希望找到更合適的獵物(全局最優(yōu))牍疏。GWO 算法還有另一個(gè)組件 \vec{C}來幫助發(fā)現(xiàn)新的解決方案。由式(4)可知拨齐,\vec{C}是[0,2]之間的隨機(jī)值鳞陨。 C 表示狼所在的位置對(duì)獵物影響的隨機(jī)權(quán)重,C>1表示影響權(quán)重大瞻惋,反之厦滤,表示影響權(quán)重小援岩。這有助于 GWO算法更隨機(jī)地表現(xiàn)并支持探索,同時(shí)可在優(yōu)化過程中避免陷入局部最優(yōu)掏导。另外享怀,與 A不同C是非線性減小的。這樣碘菜,從最初的迭代到最終的迭代中凹蜈,它都提供了決策空間中的全局搜索。在算法陷入了局部最優(yōu)并且不易跳出時(shí)忍啸,C的隨機(jī)性在避免局部最優(yōu)方面發(fā)揮了非常重要的作用仰坦,尤其是在最后需要獲得全局最優(yōu)解的迭代中。

2.算法流程圖

在這里插入圖片描述

<center>圖4.算法流程圖

3.算法結(jié)果

在這里插入圖片描述

4.參考文獻(xiàn)

[1] Seyedali Mirjalili,Seyed Mohammad Mirjalili,Andrew Lewis. Grey Wolf Optimizer[J]. Advances in Engineering Software,2014,69.

[2] 張曉鳳,王秀英.灰狼優(yōu)化算法研究綜述[J].計(jì)算機(jī)科學(xué),2019,46(03):30-38.

5.Matlab 代碼

https://mianbaoduo.com/o/bread/Z5ecmZc=
文獻(xiàn)復(fù)現(xiàn):
文獻(xiàn)復(fù)現(xiàn):基于翻筋斗覓食策略的灰狼優(yōu)化算法(DSFGWO)
[1]王正通,程鳳芹,尤文,李雙.基于翻筋斗覓食策略的灰狼優(yōu)化算法[J/OL].計(jì)算機(jī)應(yīng)用研究:1-5[2021-02-01].https://doi.org/10.19734/j.issn.1001-3695.2020.04.0102.

文獻(xiàn)復(fù)現(xiàn):基于透鏡成像學(xué)習(xí)策略的灰狼優(yōu)化算法(LIS-GWO)
[1]龍文,伍鐵斌,唐明珠,徐明,蔡紹洪.基于透鏡成像學(xué)習(xí)策略的灰狼優(yōu)化算法[J].自動(dòng)化學(xué)報(bào),2020,46(10):2148-2164.

文獻(xiàn)復(fù)現(xiàn):一種優(yōu)化局部搜索能力的灰狼算法(IGWO)
[1]王習(xí)濤.一種優(yōu)化局部搜索能力的灰狼算法[J].計(jì)算機(jī)時(shí)代,2020(12):53-55.

文獻(xiàn)復(fù)現(xiàn):基于自適應(yīng)頭狼的灰狼優(yōu)化算法(ALGWO)
[1]郭陽(yáng),張濤,胡玉蝶,杜航.基于自適應(yīng)頭狼的灰狼優(yōu)化算法[J].成都大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,39(01):60-63+73.

文獻(xiàn)復(fù)現(xiàn):基于自適應(yīng)正態(tài)云模型的灰狼優(yōu)化算法 (CGWO)
[1]張鑄,饒盛華,張仕杰.基于自適應(yīng)正態(tài)云模型的灰狼優(yōu)化算法[J/OL].控制與決策:1-6[2021-02-08].https://doi.org/10.13195/j.kzyjc.2020.0233.

文獻(xiàn)復(fù)現(xiàn):改進(jìn)非線性收斂因子灰狼優(yōu)化算法
[1]王正通,尤文,李雙.改進(jìn)非線性收斂因子灰狼優(yōu)化算法[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào),2020,41(02):122-127.

文獻(xiàn)復(fù)現(xiàn):一種基于收斂因子改進(jìn)的灰狼優(yōu)化算法
[1]邢燕禎,王東輝.一種基于收斂因子改進(jìn)的灰狼優(yōu)化算法[J].網(wǎng)絡(luò)新媒體技術(shù),2020,9(03):28-34.

文獻(xiàn)復(fù)現(xiàn):基于萊維飛行和隨機(jī)游動(dòng)策略的灰狼算法(GWOM
[1]李陽(yáng),李維剛,趙云濤,劉翱.基于萊維飛行和隨機(jī)游動(dòng)策略的灰狼算法[J].計(jì)算機(jī)科學(xué),2020,47(08):291-296.

文獻(xiàn)復(fù)現(xiàn):一種改進(jìn)的灰狼優(yōu)化算法(EGWO)
[1]龍文,蔡紹洪,焦建軍,伍鐵斌.一種改進(jìn)的灰狼優(yōu)化算法[J].電子學(xué)報(bào),2019,47(01):169-175.

文獻(xiàn)復(fù)現(xiàn):改進(jìn)收斂因子和比例權(quán)重的灰狼優(yōu)化算法(CGWO)
[1]王秋萍,王夢(mèng)娜,王曉峰.改進(jìn)收斂因子和比例權(quán)重的灰狼優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用,2019,55(21):60-65+98.

文獻(xiàn)復(fù)現(xiàn):一種改進(jìn)非線性收斂方式的灰狼優(yōu)化算法研究(CGWO)
[1]談發(fā)明,趙俊杰,王琪.一種改進(jìn)非線性收斂方式的灰狼優(yōu)化算法研究[J].微電子學(xué)與計(jì)算機(jī),2019,36(05):89-95.

文獻(xiàn)復(fù)現(xiàn):一種基于Tent 映射的混合灰狼優(yōu)化的改進(jìn)算法(PSOGWO)
[1]滕志軍,呂金玲,郭力文,許媛媛.一種基于Tent映射的混合灰狼優(yōu)化的改進(jìn)算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2018,50(11):40-49.

文獻(xiàn)復(fù)現(xiàn):基于差分進(jìn)化與優(yōu)勝劣汰策略的灰狼優(yōu)化算法(IGWO)
[1]朱海波,張勇.基于差分進(jìn)化與優(yōu)勝劣汰策略的灰狼優(yōu)化算法[J].南京理工大學(xué)學(xué)報(bào),2018,42(06):678-686.

文獻(xiàn)復(fù)現(xiàn):基于 Iterative 映射和單純形法的改進(jìn)灰狼優(yōu)化算法(SMIGWO)
[1]王夢(mèng)娜,王秋萍,王曉峰.基于Iterative映射和單純形法的改進(jìn)灰狼優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用,2018,38(S2):16-20+54.

文獻(xiàn)復(fù)現(xiàn):一種基于混合策略的灰狼優(yōu)化算法(EPDGWO)
[1]牛家彬,王輝.一種基于混合策略的灰狼優(yōu)化算法[J].齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版),2018,34(01):16-19+32.

文獻(xiàn)復(fù)現(xiàn):基于隨機(jī)收斂因子和差分變異的改進(jìn)灰狼優(yōu)化算法(IGWO)
[1]徐松金,龍文.基于隨機(jī)收斂因子和差分變異的改進(jìn)灰狼優(yōu)化算法[J].科學(xué)技術(shù)與工程,2018,18(23):252-256.

文獻(xiàn)復(fù)現(xiàn):一種基于差分進(jìn)化和灰狼算法的混合優(yōu)化算法(DEGWO)
[1]金星,邵珠超,王盛慧.一種基于差分進(jìn)化和灰狼算法的混合優(yōu)化算法[J].科學(xué)技術(shù)與工程,2017,17(16):266-269.

文獻(xiàn)復(fù)現(xiàn):協(xié)調(diào)探索和開發(fā)能力的改進(jìn)灰狼優(yōu)化算法(IGWO)
[1]龍文,伍鐵斌.協(xié)調(diào)探索和開發(fā)能力的改進(jìn)灰狼優(yōu)化算法[J].控制與決策,2017,32(10):1749-1757.

文獻(xiàn)復(fù)現(xiàn):基于Cat混沌與高斯變異的改進(jìn)灰狼優(yōu)化算法(IGWO)
[1]徐辰華,李成縣,喻昕,黃清寶.基于Cat混沌與高斯變異的改進(jìn)灰狼優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用,2017,53(04):1-9+50.

文獻(xiàn)復(fù)現(xiàn):具有自適應(yīng)搜索策略的灰狼優(yōu)化算法(SAGWO)
[1]魏政磊,趙輝,韓邦杰,孫楚,李牧東.具有自適應(yīng)搜索策略的灰狼優(yōu)化算法[J].計(jì)算機(jī)科學(xué),2017,44(03):259-263.

文獻(xiàn)復(fù)現(xiàn):采用動(dòng)態(tài)權(quán)重和概率擾動(dòng)策略改進(jìn)的灰狼優(yōu)化算法(IGWO)
[1]陳闖,Ryad Chellali,邢尹.采用動(dòng)態(tài)權(quán)重和概率擾動(dòng)策略改進(jìn)的灰狼優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用,2017,37(12):3493-3497+3508.

文獻(xiàn)復(fù)現(xiàn):具有自適應(yīng)調(diào)整策略的混沌灰狼優(yōu)化算法(CLSGWO)
[1]張悅,孫惠香,魏政磊,韓博.具有自適應(yīng)調(diào)整策略的混沌灰狼優(yōu)化算法[J].計(jì)算機(jī)科學(xué),2017,44(S2):119-122+159.

文獻(xiàn)復(fù)現(xiàn):強(qiáng)化狼群等級(jí)制度的灰狼優(yōu)化算法(GWOSH)
[1]張新明,涂強(qiáng),康強(qiáng),程金鳳.強(qiáng)化狼群等級(jí)制度的灰狼優(yōu)化算法[J].數(shù)據(jù)采集與處理,2017,32(05):879-889.

文獻(xiàn)復(fù)現(xiàn):一種新型非線性收斂因子的灰狼優(yōu)化算法(NGWO)
[1]王敏,唐明珠.一種新型非線性收斂因子的灰狼優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究,2016,33(12):3648-3653.

文獻(xiàn)復(fù)現(xiàn):重選精英個(gè)體的非線性收斂灰狼優(yōu)化算法(EGWO)
[1]黎素涵,葉春明.重選精英個(gè)體的非線性收斂灰狼優(yōu)化算法[J].計(jì)算機(jī)工程與應(yīng)用,2021,57(01):62-68.

6.Python代碼

https://mianbaoduo.com/o/bread/aZ2Wl54=

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末计雌,一起剝皮案震驚了整個(gè)濱河市悄晃,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌凿滤,老刑警劉巖妈橄,帶你破解...
    沈念sama閱讀 216,470評(píng)論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異翁脆,居然都是意外死亡眷蚓,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,393評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門反番,熙熙樓的掌柜王于貴愁眉苦臉地迎上來沙热,“玉大人,你說我怎么就攤上這事罢缸「菝常” “怎么了?”我有些...
    開封第一講書人閱讀 162,577評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵枫疆,是天一觀的道長(zhǎng)爵川。 經(jīng)常有香客問我,道長(zhǎng)息楔,這世上最難降的妖魔是什么寝贡? 我笑而不...
    開封第一講書人閱讀 58,176評(píng)論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮钞螟,結(jié)果婚禮上兔甘,老公的妹妹穿的比我還像新娘。我一直安慰自己鳞滨,他們只是感情好洞焙,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,189評(píng)論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般澡匪。 火紅的嫁衣襯著肌膚如雪熔任。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,155評(píng)論 1 299
  • 那天唁情,我揣著相機(jī)與錄音疑苔,去河邊找鬼。 笑死甸鸟,一個(gè)胖子當(dāng)著我的面吹牛惦费,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播抢韭,決...
    沈念sama閱讀 40,041評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼薪贫,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了刻恭?” 一聲冷哼從身側(cè)響起瞧省,我...
    開封第一講書人閱讀 38,903評(píng)論 0 274
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎鳍贾,沒想到半個(gè)月后鞍匾,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,319評(píng)論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡骑科,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,539評(píng)論 2 332
  • 正文 我和宋清朗相戀三年橡淑,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片咆爽。...
    茶點(diǎn)故事閱讀 39,703評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡梳码,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出伍掀,到底是詐尸還是另有隱情,我是刑警寧澤暇藏,帶...
    沈念sama閱讀 35,417評(píng)論 5 343
  • 正文 年R本政府宣布蜜笤,位于F島的核電站,受9級(jí)特大地震影響盐碱,放射性物質(zhì)發(fā)生泄漏把兔。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,013評(píng)論 3 325
  • 文/蒙蒙 一瓮顽、第九天 我趴在偏房一處隱蔽的房頂上張望县好。 院中可真熱鬧,春花似錦暖混、人聲如沸缕贡。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,664評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)晾咪。三九已至收擦,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間谍倦,已是汗流浹背塞赂。 一陣腳步聲響...
    開封第一講書人閱讀 32,818評(píng)論 1 269
  • 我被黑心中介騙來泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留昼蛀,地道東北人宴猾。 一個(gè)月前我還...
    沈念sama閱讀 47,711評(píng)論 2 368
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像叼旋,于是被迫代替她去往敵國(guó)和親仇哆。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,601評(píng)論 2 353

推薦閱讀更多精彩內(nèi)容