本文开发了一种新颖的元启发式优化技术，称为人工旅鼠算法算（ALA），该技术源于旅鼠的四种常见行为：长距离迁徙、挖洞、觅食和躲避捕食者。尽管已经开发了许多受生物启发的元启发式算法，但它们经常面临一些限制，例如过早收敛以及难以在勘探和开发之间保持稳健的平衡。ALA 引入了一种新的能量减少机制，它在整个优化过程中动态调整这种平衡，从而显着增强其在各种优化环境中的稳健性和有效性。此外，ALA 独特地将 Brownian motion（布朗运动） 和 Lévy Flight（莱维飞行） 集成到其搜索策略中，使其能够摆脱局部最优值并提高全局搜索能力。ALA 的数值优化性能与 IEEE CEC2017 和 CEC2022 基准测试套件上的其他 17 种元启发式进行了全面比较。此外，采用 10 个约束工程设计案例、光伏模型参数提取问题和 FOPID 控制器的最优增益调谐问题来验证 ALA 在实际工程应用中的实用性。