黏菌算法（Slime Mould Algorithm, SMA）是一種基於群體智慧型的最佳化算法，由Li等人於2020年提出。該算法靈感來源於黏菌的覓食行為和形態變化，具有參數少、尋優能力強的特點，廣泛套用於各類工程問題。
算法思想：
黏菌算法模擬了黏菌在覓食過程中的行為和形態變化，包括接近食物、包圍食物和抓取食物三個階段。
黏菌根據當前位置的客觀條件（適應度函式優劣）決定個體所在位置的權重，然後根據權重決定新的位置。
當黏菌接近食物時，生物振盪器通過靜脈產生傳播波，細胞質流動加快，抓取食物時，細胞質流動更快。
算法步驟：
設定參數，初始化種群，計算適應度值。
更新黏菌權重W，參數a、b。W的計算公式為：\( W = \begin{cases} 1 + r \times \log(bF - S(i) / (bF - wF + 1)), \text{如果該個體的適應度值排在群體前一半} \ 1 - r \times \log(bF - S(i) / (bF - wF + 1)), \text{如果該個體的適應度值排在群體後一半} \end{cases} \)。
根據權重和適應度值，更新種群位置。
算法特點：
通過模擬黏菌的覓食行為和形態變化，SMA能夠在搜尋過程中自適應地調整搜尋策略，從而有效地尋找最優解。
SMA能夠處理多峰值的最佳化問題，特別是在高維搜尋空間中表現出色。
結果展示和套用：
以CEC2005函式集為例，SMA與其他最佳化算法相比，展現了優越的性能。
SMA已套用於多種工程領域，如機械設計、電力系統最佳化、信號處理等。