这项工作提出了一种新的仿生优化算法，称为 Rat Swarm Optimizer (RSO)，用于解决具有挑战性的优化问题。 这个优化器的主要灵感来自自然界中老鼠的追逐和攻击行为。 本文在一组 38 个测试问题上对这些行为和基准进行数学建模，以确保其适用于搜索空间的不同区域。 将RSO算法与八种著名的优化算法进行比较，以验证其性能。 然后将其用于六个现实生活中受约束的工程设计问题。 还研究了收敛性和计算分析，以测试所提出算法的探索，开发和局部最优避免。 实验结果表明，与其他著名的优化算法相比，所提出的 RSO 算法在解决现实世界的优化问题方面非常有效。
这是论文的源代码：Gaurav Dhiman 等。 “全局优化的新算法：Rat Swarm Optimizer”环境智能与人性化计算杂志，Springer https://link.springer.com/article/10.100
