2025年SCI2区TOP：人工旅鼠算法ALA，深度解析+性能实测

1.摘要

本文提出了一种人工旅鼠算法（ALA），这是一种基于自然界旅鼠行为的仿生元启发式算法，该算法通过数学建模模拟了旅鼠的四种关键行为：长距离迁徙、挖洞、觅食和躲避捕食者。长距离迁徙和挖洞行为专注于对搜索空间的广泛探索，而觅食和躲避捕食者行为则有助于在优化过程中实现局部开发。ALA还引入了能量递减机制，能够动态调整探索与开发之间的平衡，增强其避免局部最优解的能力，并提升全局收敛的鲁棒性。

2.算法原理

长途迁徙（探索）

在人工旅鼠算法（ALA）中，旅鼠的第一个行为是当食物因过度繁殖而匮乏时，随机进行长距离迁徙。旅鼠通过当前位置和种群中随机个体的位置来探索搜索空间，寻找食物资源丰富的栖息地，以改善其生存条件和获取更多资源：
$${\vec{Z}}_i\left(t+1\right)={\vec{Z}}_{best}\left(t\right)+F\times \overrightarrow{BM}\times \left(\vec{R}\times \left({\vec{Z}}_{best}\left(t\right)-{\vec{Z}}_i\left(t\right)\right)+\left(1-\vec{R}\right)\times \left({\vec{Z}}_i\left(t\right)-{\vec{Z}}_a\left(t\right)\right)\right)$$

挖洞（探索）

旅鼠的第二个行为是在人类栖息地中挖掘洞穴，形成复杂的隧道，为它们提供安全的庇护所和食物储存空间。旅鼠会根据当前洞穴的位置以及种群中随机个体的位置，随机挖掘新的洞穴：
$${\vec{Z}}_i\left(t+1\right)={\vec{Z}}_i\left(t\right)+F\times L\times \left({\vec{Z}}_{best}\left(t\right)-{\vec{Z}}_b\left(t\right)\right)$$

觅食（开发）

旅鼠的第三个行为是随机且广泛地在栖息地的洞穴内移动，依靠敏锐的嗅觉和听觉来寻找食物源。旅鼠通常会在栖息地内设立一个相对较小的觅食区域，其大小取决于食物的丰富程度和可获得性。为了尽可能多地获取食物，旅鼠会在觅食区域内随意游走：
$${\vec{Z}}_i\left(t+1\right)={\vec{Z}}_{best}\left(t\right)+F\times spiral\times rand\times {\vec{Z}}_i\left(t\right)$$

其中，螺旋表示觅食过程中随机搜索的螺旋形状，由参数表示：
$$\begin{array}{rl}spiral=& radius\times \left(\sin \left(2\times \pi \times rand\right)+\cos \left(2\times \pi \times rand\right)\right)\\ & \\ & radius=\sqrt{\sum _{j=1}^{Dim}{\left(z_{best,j}\left(t\right)-z_{i,j}\left(t\right)\right)}^2}\end{array}$$

躲避天敌（开发）

洞穴作为旅鼠的避难所，一旦探测到捕食者的存在，旅鼠会迅速利用其出色的奔跑能力逃回洞穴：
$$\begin{array}{rl}{\vec{Z}}_i\left(t+1\right)& ={\vec{Z}}_{best}\left(t\right)+F\times G\times Levy\left(Dim\right)\times \left({\vec{Z}}_{best}\left(t\right)-{\vec{Z}}_i\left(t\right)\right)\\ G& =2\times \left(1-\frac{t}{T_{\max }}\right)\end{array}$$

流程图

伪代码

3.结果展示

4.参考文献

[1] Xiao Y, Cui H, Khurma R A, et al. Artificial lemming algorithm: a novel bionic meta-heuristic technique for solving real-world engineering optimization problems[J]. Artificial Intelligence Review, 2025, 58(3): 84.

5.代码获取