摘要
本研究提出了莫拉巴拉巴优化算法（MOA），这是一种源自传统莫拉巴拉巴棋盘游戏的序贯与策略动态的全局优化新方法。该算法将游戏中的各个阶段转化为计算搜索机制，包括团队分配、棋子摆放、移动、飞行、磨坊构建以及“射牛”动作。在MOA中，候选解会被划分为两个竞争群体，从而赋予其不同的竞争角色，使得每个解都能根据团队领袖、棋盘结构以及先前生成的磨坊模式调整自身位置。此外，该算法还设计了一种基于对齐的磨坊形成机制，用以模拟玩家的策略行为，进而帮助算法构建磨坊并削弱对手群体。MOA的性能通过在50个基准函数上进行测试来评估，这些函数包括单模态、多模态以及固定维度的问题，同时还将该算法与16种现有的优化算法进行了比较。实验结果表明，MOA在早期搜索阶段既能实现快速收敛，又能保持较强的探索能力。这一特性主要得益于磨坊形成、射牛动作、基于阶段的定位更新以及将种群结构化为两个竞争团队等机制的结合。非参数统计分析进一步证实，MOA相较于其他几种竞争算法具有显著的性能优势。实验结果还表明，该算法在多种基准函数上都能表现出稳定的性能，体现了其强大的稳健性和适应性。此外，MOA还能在探索与利用之间保持有效平衡，在高维搜索空间中也能持续发挥良好性能，作为一种受莫拉巴拉巴游戏启发的元启发式算法，其在解决全局优化问题方面展现出巨大潜力。
