메타 휴리스틱 - 회색늑대 최적화 알고리즘 (Grey Wolf Algorithm, GWO)

메타 휴리스틱 기법에는 정말 다양한 종류가 많다. 빅뱅을 모사한 메타 휴리스틱 기법도 존재한다. 여러 자연 현상, 물리 현상을 통해 최적화 알고리즘을 떠올린 사람들을 보면 한 편으로 경이롭기도 하다. 계속해서 최적화와 관련된 생각을 하고 몰두를 하기 때문에 현상을 보고 '한 번 적용해 볼까?'라는 생각이 들지 않았을까. 일을 하려면 끝까지 몰두해야 경지에 이를 수 있다는 교훈을 얻게 된다. 서두가 조금 길었지만, 회색늑대 최적화 알고리즘 또한 메타 휴리스틱의 한 종류이다. 회색늑대 최적화는 회색 늑대의 사냥 방법을 모사한다. 회색늑대는 자연에서 최상위에 있는 포식자 중 하나이다. 그러나 회색 늑대의 집단 안에서 자체 지배 계급이 존재한다. 가장 높은 계급인 알파는 사냥, 취침 장소, 일어나는 시간 등 집단이 할 일을 결정한다. 그다음 계급인 베타는 알파의 의사결정과 그 아래 집단의 행동을 도와주는 역할을 한다. 차기 알파의 후보이기도 하다. 최하위의 오메가는 모든 늑대에게 복종한다....

원문링크 : 메타 휴리스틱 - 회색늑대 최적화 알고리즘 (Grey Wolf Algorithm, GWO)