Optimisation par Essaim de Loups Gris — GWO
L'Optimisation par Essaim de Loups Gris (GWO) est une métaheuristique d'intelligence en essaim introduite par Mirjalili, Mirjalili et Lewis en 2014, qui modélise la hiérarchie sociale et le comportement de chasse coopératif des loups gris. Une population de solutions candidates est divisée en quatre rangs de leadership — alpha, bêta, delta et oméga — et les trois meilleures solutions à chaque itération guident l'ensemble de l'essaim vers des régions de plus en plus favorables de l'espace de recherche.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Sources
- Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46-61. DOI: 10.1016/j.advengsoft.2013.12.007 ↗
- Faris, H., Aljarah, I., Al-Betar, M. A., & Mirjalili, S. (2018). Grey Wolf Optimizer: A Review of Recent Variants and Applications. Neural Computing and Applications, 30(2), 413-435. DOI: 10.1007/s00521-017-3272-5 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/fr/optimization/grey-wolf-optimizer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Optimisation bayésienneOptimisation↔ compare
- Algorithme génétiqueOptimisation↔ compare
- Optimisation par essaim particulaire (PSO)Optimisation↔ compare
- Recuit simuléOptimisation↔ compare
- Recherche TabouOptimisation↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →