Optimiseur de Loup Gris

Ce travail propose une nouvelle méta-heuristique appelée Optimiseur de Loup Gris (GWO) inspirée par les loups gris (Canis lupus). L'algorithme GWO imite la hiérarchie de leadership et le mécanisme de chasse des loups gris dans la nature. Quatre types de loups gris, tels que alpha, beta, delta et omega, sont employés pour simuler la hiérarchie de leadership. De plus, les trois étapes principales de la chasse, recherche de proie, encerclement de la proie et attaque de la proie, sont mises en œuvre. L'algorithme est ensuite évalué sur 29 fonctions tests bien connues, et les résultats sont vérifiés par une étude comparative avec l'Optimisation par Essaim de Particules (PSO), l'Algorithme de Recherche Gravitationnelle (GSA), l'Évolution Différentielle (DE), la Programmation Évolutive (EP) et la Stratégie Évolutive (ES). Les résultats montrent que l'algorithme GWO est capable de fournir des résultats très compétitifs par rapport à ces méta-heuristiques bien connues. L'article envisage également de résoudre trois problèmes classiques de conception en ingénierie (ressorts de tension/compression, poutres soudées et conceptions de réservoirs sous pression) et présente une application réelle de la méthode proposée dans le domaine de l'ingénierie optique. Les résultats des problèmes classiques de conception en ingénierie et l'application réelle prouvent que l'algorithme proposé est applicable à des problèmes complexes avec des espaces de recherche inconnus.