2025年12月5日，研究论文《Freshwater Snail Optimizer: A bio-inspired optimizer for engineering design problems》正式在RIMNI期刊上线。该研究由三亚学院、南京信息工程大学、山东科技大学以及澳大利亚托伦斯大学的学者共同合作完成，三亚学院2024级研究生刘高源系本文第一作者，指导教师为于营副教授。
论文首先回顾了生物启发算法在工程优化领域的重要贡献，系统梳了元启发式算法的演进历程，图 1展现了研究人员对元启发式算法的分类。探讨了如何对生物运动行为进行数学建模，为生物启发式算法的技术发展提供了新的思路与解决方案。最后，文章重点评估了水螺优化器(FSO)在基准测试和实际工程问题中的优化表现，展现出良好的应用潜力。
图1元启发式算法分类
淡水螺类广泛分布于河流、湖泊等水生生态系统中，在物质循环和生态平衡维持中发挥着重要作用。它们在自然环境中展现出独特的适应性行为，为新型优化算法的设计提供了丰富的灵感来源。水螺优化器正是基于对水螺种群三种典型行为——上浮、爬行与碰撞的数学建模而构建。
图2水螺浮动漂流
上浮：水螺能够通过调节体内气室（类似肺囊）中的气体含量来改变自身比重，从而实现上浮并随水流漂移。这种漂流行为显著扩大了其活动范围，对应算法中的全局探索机制，如图2所示；
爬行：当水螺找到适宜的栖息表面时，会利用腹足紧贴基质，并借助黏液产生的吸附力缓慢爬行，在局部范围内细致搜寻食物和氧气。该行为适用于算法中的局部开发过程，如图3所示；
图3水螺局部爬行
碰撞：在自然环境中，水螺常呈聚集分布。它们会依据外部环境因素与内部状态共同调整聚集区域，并通过随机碰撞的方式避免聚集区无序扩张(如图4所示)，这一机制有助于维持种群多样性，防止算法过早收敛。
图4伴随碰撞行为的移动
本研究对水螺优化器（FSO）进行了系统的性能评估。测试采用CEC 2017（50维）及CEC 2022（10维与20维）基准函数集，并将FSO与9种经典算法及9种近年来发表的新算法进行了对比。结果表明，FSO在多项测试中均表现出优良性能。基于弗里德曼检验的平均排名结果如图5至图7所示。
图5 FSO与对比算法在CEC 2017年的弗里德曼平均排名
图6 FSO与经典算法在CEC 2022-10维的弗里德曼平均排
图7 FSO与经典算法在CEC 2022-10维的弗里德曼平均排名
此外，FSO在6类典型工程约束优化问题中多次取得排名第一的优异成绩，充分证明了其在应对现实世界复杂问题时的强大适应能力与泛化潜力。
本研究得到了海南省高等学校教育教学改革研究项目支持以及“国家特聘专家”潘正祥教授和“ESI高被引学者”Seyedali Mirjalili教授的指导。文章不仅展示了FSO在算法层面的创新价值，更为解决现代工程领域的复杂优化问题提供了新的思路和方法借鉴，体现了学校在群体智能领域的科研积累与创新能力。
RIMNI（全称：Revista Internacional de Métodos Numéricos para Cálculo y Diseño en Ingeniería，英语名称：RIMNI - An International Journal of Numerical Methods for Calculation and Design in Engineering）是一本由Tech Science Press出版的工程数值计算与设计领域的国际学术期刊，被Web of Science SCIE核心集收录。
一审一校 |于 营
二审二校 |刘小飞 闫吉府
三审三校 |李成名 尹 娜
