다중 전략 통합 고릴라 군대 최적화 기법을 통한 글로벌 최적화 및 공학 설계 문제 해결

요약 야생 고릴라 집단의 복잡한 집단 역학에서 영감을 받아 인공지능 고릴라 군대 최적화기(GTO)는 군집 지능의 새로운 접근 방식을 나타낸다. GTO는 글로벌 탐색에서 효과적이지만, 조기 수렴에 취약하고 복잡한 제약 조건과 거친 탐색 공간이 있는 최적화 문제를 다룰 때 쉽게 지역 최적해에 갇힐 수 있다. 이러한 한계를 극복하기 위해 본 논문은 라틴 하이퍼큐브 샘플링(LHS), 레비 비행(LF), 그리고 코시 역 누적 분포 연산자(CICDO)를 통합한 다중 전략 통합 고릴라 군대 최적화기(MSIGTO)를 소개한다. LHS를 통해 초기 집단의 다양성이 증대되고, LF와 CICDO에 의해 알고리즘의 탐색 및 수렴 특성이 추가로 개선된다. MSIGTO의 효과성을 평가하기 위해 MSIGTO와 여러 고급 최적화 기법(앵무새 최적화기(PO), 파타 모르가나 알고리즘(FATA), 벡터의 가중 평균(INFO), 펠리컨 최적화 알고리즘(POA), 헝거 게임 탐색(HGS), 선형-SHADE (L-SHADE), 아프리카 독수리 최적화 알고리즘(AVOA), 그리고 원래의 GTO) 간의 비교 분석을 실시한다. 평가는 IEEE CEC2022 벤치마크 세트와 네 가지 실용적인 공학 사례 연구를 사용하여 수행된다. 실험 분석 결과, MSIGTO는 글로벌 탐색 능력, 수렴 효율성 및 솔루션 견고성 측면에서 주목할 만한 장점을 보인다.