الگوریتم گرگ خاکستری (Grey Wolf Optimizer - GWO)، در ریاضیات (Mathematics)
انواع روش های بهینه سازی (Optimization Methods) را در آموزش زیر شرح دادیم :
الگوریتم گرگ خاکستری (Grey Wolf Optimizer - GWO) :
📌 معرفی
الگوریتم گرگ خاکستری (Grey Wolf Optimizer - GWO) توسط میرجلیلی و همکاران در سال ۲۰۱۴ معرفی شد. این الگوریتم از ساختار اجتماعی و استراتژی شکار گرگ های خاکستری (Canis lupus) الهام گرفته است.
🐺 سلسله مراتب اجتماعی
گرگ های خاکستری دارای سلسله مراتب اجتماعی دقیقی هستند:
آلفا (Alpha - α): رهبر گروه، مسئول تصمیم گیری. بهترین جواب.
بتا (Beta - β): کمک به آلفا در تصمیم گیری. دومین جواب خوب.
دلتا (Delta - δ): زیردست بتا. سومین جواب خوب.
امگا (Omega - ω): سایر گرگ ها. بقیه جواب ها.
🎯 مراحل شکار
تعقیب و نزدیک شدن به طعمه: محاصره طعمه.
تعقیب و محاصره طعمه: تا زمانی که طعمه از حرکت بایستد.
حمله به طعمه: یافتن جواب بهینه.
📐 فرمول بندی
محاصره طعمه با روابط زیر مدل می شود:
\[ \vec{D} = |\vec{C} \cdot \vec{X}_p(t) - \vec{X}(t)| \] \[ \vec{X}(t+1) = \vec{X}_p(t) - \vec{A} \cdot \vec{D} \]که
\[ \vec{A} \]و
\[ \vec{C} \]بردارهای ضریب هستند.
\[ \vec{A} \]با کاهش خطی از ۲ به ۰، تعادل بین اکتشاف و بهره برداری را کنترل می کند.
