2024年SCI群智能优化算法：大蔗鼠优化算法(GCRA)，含MathType公式、word伪代码、visio的流程图、matlab代码。

一、背景

大蔗鼠优化算法(Greater cane rat algorithm ,GCRA)于2024年5月发表在Cell旗下子刊《Heliyon》上，算法的作者中包括了Seyedali Mirjalili等优化算法领域大名鼎鼎的学者，比如非常经典的灰狼优化算法GWO、河马优化算法HO、海洋捕食者算法MPA等性能优异的算法都是由该作者发明的。

大蔗鼠算法(GCRA)，该算法的灵感来自于大蔗鼠在交配季节和交配季节外的觅食行为。GCRA已被用于解决约束和无约束CEC 2011现实世界的优化问题。此外，GCRA在勘探和开发之间提供了更好的平衡，与现有解决方案相比，预期会产生更优越或更具竞争力的结果。

二、GCRA 模型

1、探索

GCR在它们的领地(沼泽、河岸和耕地)周围建造它们的庇护所(巢或浅洞)。它们离开不同的庇护所去觅食，要么沿着以前食物来源的痕迹，要么寻找新的食物来源。

据推测，占主导地位的雄鼠保留了这些踪迹的信息，而其他老鼠则根据这些数据调整自己的位置。根据优势雄鼠的位置确定剩余鼠群在搜索空间中的新位置，如式(4)所示。在GCR运动模拟的这一阶段，如果另一只大鼠的目标函数值超过最适大鼠，则更新最适大鼠，并根据新建立的最适大鼠调整其他大鼠的位置。如果不是，它就会偏离最适合老鼠的位置。该GCR移动策略如式(5)所示。探索阶段的最后一步表明，只有在新位置目标函数值提高时，GCR才会迁移到新计算的位置;否则，GCR维持原来的立场。α是一个模拟食物来源减少的系数，它迫使寻找新的食物来源或庇护所，在式(7)中定义，β是促使GCR移动到繁殖区域内其他可用的丰富食物来源的系数，在式(8)中定义。

2、开发

繁殖季节因生境而异，通常发生在雨季。众所周知，雄性在繁殖季节会脱离群体。假设是，一旦群体分开，觅食活动集中在食物来源丰富的地区。其中xm,j表示随机选择的雌性在第j维中的位置，μ随机取1 ~ 4的值，模拟每只雌性GCR每年产生的幼崽数量。参数C,r, μ,α, β在迭代过程中负责更好的勘探和开发。

%%有需要的友友们关注 面包多 和 微信公众号 ：一个专业的算法研究员，获取！

包括5个内容：用MathType编辑的公式、伪代码、visio的流程图，matlab代码，PDF论文，拿来直接用，可以帮助科研者省下超多时间。

%%有需要的友友们关注 面包多 和 微信公众号 ：一个专业的算法研究员，获取！