2025年SCI2区TOP人工旅鼠算法ALA,深度解析性能实测
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：
Z ⃗ i ( t + 1 )
Z ⃗ b e s t ( t ) + F × B M → × ( R ⃗ × ( Z ⃗ b e s t ( t ) − Z ⃗ i ( t ) ) + ( 1 − R ⃗ ) × ( Z ⃗ i ( t ) − Z ⃗ a ( t ) ) ) \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)
Z
i
(
t
1
)
=
Z
b
es
t
(
t
)
F
×
BM
×
(
R
×
(
Z
b
es
t
(
t
)
−
Z
i
(
t
)
)
(
1
−
R
)
×
(
Z
i
(
t
)
−
Z
a
(
t
)
)
)
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：
Z ⃗ i ( t + 1 )
Z ⃗ i ( t ) + F × L × ( Z ⃗ b e s t ( t ) − Z ⃗ b ( t ) ) \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)
Z
i
(
t
1
)
=
Z
i
(
t
)
F
×
L
×
(
Z
b
es
t
(
t
)
−
Z
b
(
t
)
)
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：
Z ⃗ i ( t + 1 )
Z ⃗ b e s t ( t ) + F × s p i r a l × r a n d × Z ⃗ i ( t ) \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)
Z
i
(
t
1
)
=
Z
b
es
t
(
t
)
F
×
s
p
i
r
a
l
×
r
an
d
×
Z
i
(
t
)
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：
s p i r a l
r a d i u s × ( sin ( 2 × π × r a n d ) + cos ( 2 × π × r a n d ) ) r a d i u s
∑ j
1 D i m ( z b e s t , j ( t ) − z i , j ( t ) ) 2 \begin{aligned} 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{aligned}
s
p
i
r
a
l
=
r
a
d
i
u
s
×
(
sin
(
2
×
π
×
r
an
d
)
cos
(
2
×
π
×
r
an
d
)
)
r
a
d
i
u
s
=
j
=
1
∑
D
im
(
z
b
es
t
,
j
(
t
)
−
z
i
,
j
(
t
)
)
2
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：
Z ⃗ i ( t + 1 )
Z ⃗ b e s t ( t ) + F × G × L e v y ( D i m ) × ( Z ⃗ b e s t ( t ) − Z ⃗ i ( t ) ) G
2 × ( 1 − t T m a x ) \begin{aligned} \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{\mathrm{max}}}\right) \end{aligned}
Z
i
(
t
1
)
G
=
Z
b
es
t
(
t
)
F
×
G
×
L
e
v
y
(
D
im
)
×
(
Z
b
es
t
(
t
)
−
Z
i
(
t
)
)
=
2
×
(
1
−
T
max
t
)
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.