蜣螂最佳化算法（Dung Beetle Optimizer, DBO）是一種於2022年由JiankaXue和Bo Shen提出的新型群體智慧型最佳化算法。該算法的靈感來源於蜣螂的滾球、跳舞、覓食、偷竊和繁殖等行為。這些行為在自然界中分別對應著蜣螂如何利用天體導航滾動糞球、通過跳舞重新確立方向、尋找食物、競爭食物以及繁殖行為。
在DBO算法中，每隻蜣螂的位置對應一個解。蜣螂種群分為四個部分，包括滾球蜣螂、育雛球、小蜣螂和小偷蜣螂。滾球蜣螂在自然環境影響下更新運行方向，尋找覓食位置；育雛球在安全區域內，成長為成蟲的蜣螂被稱為小蜣螂，它們在最佳覓食區覓食；小偷蜣螂則根據其他蜣螂的位置和最佳覓食區尋找食物。
DBO算法通過模擬蜣螂的滾球、跳舞、覓食、偷竊和繁殖等生存行為，最後選取最優解。這些行為包括：
滾球行為：蜣螂利用天體導航滾動糞球，滾動路徑受環境影響，環境變化也影響蜣螂位置的改變。
跳舞行為：當蜣螂遇到障礙無法前進時，通過跳舞行為變換方向，獲得新的移動路線。
繁殖行為：蜣螂將糞球滾動到安全區域後進行隱藏，並提出一種邊界選擇策略模擬雌性蜣螂的產卵區域。
覓食行為：幼蟲從卵中鑽出後，需要在最佳覓食區域引導小蜣螂覓食。
偷竊行為：蜣螂種群中，偷竊作為一種競爭行為十分常見。
DBO算法的特點在於它同時考慮了全局探索和局部開發，具有收斂速度快和準確率高的特點，能有效解決複雜的尋優問題。