基于蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为，提出了一种新的基于种群的蜣螂优化器（DBO）算法。新提出的DBO算法兼顾了全局探索和局部探索，具有收敛速度快、求解精度满意的特点。该成果于2022年发表在知名SCI期刊THE JOURNAL OF SUPERCOMPUTING上。通过对蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为的观察和模拟，我们提出了一种新的基于种群的蜣螂优化器（DBO）算法。该算法结合了全局探索和局部探索的特点，能够在收敛速度和求解精度方面取得较好的表现。

DBO算法的核心思想是模拟蜣螂的行为，其中滚球行为用于全局探索，跳舞行为用于局部探索，觅食行为用于搜索最优解，偷窃行为用于引入多样性，繁殖行为则保证了种群的更新和进化。通过模拟这些行为并结合适应度函数的评估，DBO算法能够自动地搜索最优解，并在优化问题中取得良好的效果。