Process / pipeline
회색늑대 최적화 — GWO
회색늑대 최적화(GWO)는 Mirjalili, Mirjalili, Lewis가 2014년에 발표한 군집 지능 메타휴리스틱으로, 회색늑대의 사회적 계층 구조와 협력적 사냥 행동을 모델링합니다. 후보 해 집단은 알파, 베타, 델타, 오메가의 네 가지 리더십 계층으로 나뉘며, 각 반복에서 가장 우수한 세 가지 해가 전체 군집을 탐색 공간의 점점 더 나은 영역으로 이끌어갑니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Grey Wolf Optimizer (GWO). ScholarGate. https://scholargate.app/ko/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.
- 베이지안 최적화최적화↔ compare
- 유전 알고리즘최적화↔ compare
- 입자 군집 최적화 (PSO)최적화↔ compare
- 모의 담금질최적화↔ compare
- Tabu Search최적화↔ compare