Grey Wolf Optimizer

O Grey Wolf Optimizer explica e parametriza a metaherística GWO para problemas de otimização contínua. Descreve como uma população de soluções candidatas imita o comportamento de uma matilha de lobos para explorar e explorar espaços de busca. A hierarquia de liderança (Alpha, Beta, Delta) e o mecanismo de cercamento que guia as soluções para regiões promissoras estão em foco.
Concepcionalmente o GWO atualiza posições dos candidatos usando coeficientes que equilibram exploração (aleatoriedade e busca ampla) com exploração (concentração nas melhores regiões encontradas). Esta ferramenta especifica entradas obrigatórias (dimensão, tamanho da população, iterações, limites e função objetiva) e características opcionais (termos de penalidade para restrições, reparação de limites, avaliação paralela).
Casos de uso incluem ajuste de hiperparâmetros, calibração de modelos de engenharia e benchmarking de funções objetivo sobre paisagens complexas. O valor agregado reside numa parameterização explícita e testável e definições claras de avaliação e critérios de parada, permitindo experiências reprodutíveis e comparações justas entre métodos. Funções centrais incluem avaliação da função objetiva, acompanhamento de líderes e regras de atualização determinísticas que produzem resultados reproduzíveis com a mesma semente. Cenários típicos envolvem problemas contínuos não restritos ou restringidos, como variantes de Rastrigin ou Schwefel, onde informações do gradiente não são confiáveis. A ferramenta enfatiza tratamento robusto de entradas inválidas, conformidade com limites e relato da melhor solução encontrada, além de curvas de convergência. Esta combinação ajuda pesquisadores com experimentos de otimização transparentes e escaláveis e engenheiros a validar GWO contra benchmarks específicos do domínio.