在这项研究中，提出了一种用于约束全局优化问题的新型元启发式搜索（MHS）算法。由于许多算法旨在实现良好平衡的开发-探索阶段，但结果往往不令人满意，因此在本文介绍的方法吸引-排斥优化算法（AROA）中，模拟了与自然界中发生的吸引-排斥现象相关的平衡。AROA引入了一种搜索策略，其中候选解决方案根据其邻域中解决方案的质量以及最佳候选方案在搜索空间中移动。候选方案由基于修正布朗运动、三角函数、随机选择的解决方案和记忆形式的局部搜索算子管理。因此，AROA表现出令人满意的开发-探索平衡，表现出高度竞争的性能。引入的算法与CEC 2014、2017和2020测试套件上最先进的元启发式进行了实验比较。所得结果揭示了AROA相对于相关算法的优势及其在解决复杂现实世界问题中的适用性。