본 논문은 가젤 최적화 알고리즘(GOA)의 탐색과 활용 간 불균형 및 개체군 내 정보 교환 부족이라는 단점을 해결하기 위해 다중 전략 개선 가젤 최적화 알고리즘(MSIGOA)을 제안합니다. MSIGOA는 반복 기반 업데이트 프레임워크를 통해 최적화 과정에 따라 탐색과 활용을 전환하여 국소 활용과 전역 탐색 간의 균형을 효과적으로 향상시키고 수렴 속도를 개선합니다. 두 가지 적응적 매개변수 조정 전략은 알고리즘의 적용성을 향상시키고 더 원활한 최적화 과정을 촉진합니다. 우세 개체군 기반 재시작 전략은 알고리즘의 국소 최적점 탈출 능력을 향상시키고 조기 수렴을 방지합니다. 이러한 개선 사항은 MSIGOA의 탐색 및 활용 능력을 크게 향상시켜 복잡한 문제를 해결하는 데 우수한 수렴성과 효율성을 제공합니다. CEC2017 및 CEC2022 벤치마크 테스트 세트에서 매개변수 민감도, 전략 효과, 수렴성 및 안정성을 평가한 결과, MSIGOA는 기본 GOA 및 기타 고급 알고리즘보다 우수한 성능을 보였습니다. 또한, 여러 가지 공학 설계 최적화 문제를 통해 MSIGAO의 확장성을 추가로 검증했습니다.
