회색 랑구르 최적화: 다중 집단 기반 알고리즘

다수의 결정 변수와 제약 조건을 포함하는 복잡한 실제 문제들은 최적화가 필수적입니다. 이러한 문제 해결을 위해 메타휴리스틱 알고리즘이 도입되었으며, 이는 합리적인 시간 내에 최적의 해를 탐색합니다. 본 연구는 이러한 알고리즘의 중요성을 바탕으로 회색 랑구르 최적화(GLO)라는 새로운 메타휴리스틱 최적화 알고리즘을 제안합니다. GLO는 자연에서 관찰되는 회색 랑구르의 집단 행동에 착안했습니다. 회색 랑구르는 단일 수컷, 다중 수컷, 전체 수컷 집단으로 나뉘며, GLO는 이 세 집단의 행동과 사회적 계층을 수학적으로 모델링합니다. 또한, 알파 개체의 죽음, 짝짓기, 사춘기 등으로 인한 집단 간 이동 및 영역 내 임의 행동까지 GLO를 통해 정량화했습니다. 제안된 GLO는 단봉형, 다봉형, 고정 차원 벤치마크를 포함한 23개의 고전 테스트 함수와 27개의 CEC17 테스트 함수(이동, 회전, 복합 벤치마크 포함)로 성능을 검증했습니다. 더불어 6개의 실제 응용 문제에 적용하여 8가지 최신 알고리즘과 수치적, 시각적으로 비교했습니다. 실험 결과, GLO는 다양한 테스트 함수와 실제 응용 문제에서 뛰어난 최적화 능력을 입증했습니다. GLO의 MATLAB 및 Python 구현 코드는 공개되어 있습니다.