Ein geometrischer Walsuchalgorithmus mit dreieckigem Flug für numerische Optimierung und Ingenieursentwurf

Intelligenteres Suchen für bessere Entwürfe

Von leichteren Autoteilen bis zu günstigeren Energieleitungen hängt moderne Technik davon ab, unter zahllosen Möglichkeiten den bestmöglichen Entwurf zu wählen. Alle Kombinationen vollständig zu testen ist jedoch unmöglich. Dieses Papier stellt eine neue, computerbasierte Suchmethode vor, inspiriert von Jagdverhalten von Walen und geometrischen Mustern, die zügig hervorragende Entwürfe für komplexe technische Systeme finden kann.

Warum das Finden des „besten“ Entwurfs so schwierig ist

Viele reale Konstruktionsprobleme – von Federn und Trägern bis zu Gasverdichtern und Reaktornetzen – gleichen Landschaften mit zahllosen Hügeln und Tälern. Jeder Punkt steht für einen konkreten Entwurf; die Höhe zeigt an, wie gut oder schlecht er ist. Traditionelle Methoden, die lokalen Steigungen folgen, bleiben leicht auf einem nahen Hügel stecken, statt den höchsten Gipfel zu finden. Metaheuristische Algorithmen wurden entwickelt, um dies zu überwinden: Statt in einer geraden Linie zu marschieren, schicken sie einen „Schwarm“ von Kandidatenlösungen aus, die zusammen die Landschaft erkunden, nach besseren Optionen suchen und dabei Informationen austauschen.

Wie wal-inspirierte Suche funktioniert

Der Whale Optimization Algorithm modelliert, wie Buckelwale Beute umzingeln und spiralförmig umkreisen. Jede virtuelle Wal-Instanz ist ein Versuchsdesign; während sie sich bewegen, agiert die bestperformende Wal-Instanz als Führer, und die anderen passen ihre Positionen an, um vielversprechende Bereiche zu umkreisen. Dieser ursprüngliche Ansatz ist einfach und flexibel, kann aber bei schwierigen Problemen an Vielfalt verlieren, sich zu schnell um eine mäßige Lösung scharen und aufhören, sich zu verbessern. Die Autoren analysieren diese Schwächen – schlechte Startpositionen, zielloses Umherschweifen und zu starre Bewegungsregeln – und setzen an, sie zu beheben, ohne die Methode zu schwerfällig oder langsam zu machen.

Geometrische Kniffe für bessere Suche

Die neue Methode, genannt Geometric Whale Optimization Algorithm with Triangular Flight (ESTGWOA), formt neu, wie Wale sich ausbreiten und bewegen. Zuerst nutzt sie ein Good Nodes Set, um die Anfangspositionen der Wale in einem sehr gleichmäßigen geometrischen Muster zu platzieren, sodass die Suche den gesamten Raum abdeckt statt zufällig zu verklumpen. Dann lenkt ein Elite-Guided Searching-Schritt die Wale mithilfe sowohl des aktuell besten Entwurfs als auch der Durchschnittsposition der Population, wodurch die Bewegung zielgerichtet, aber nicht blind dem Anführer folgend wird. Zwei neue Bewegungsmuster ahmen anmutige, gekrümmte Manöver nach: eine spiralförmige „Umzingelungs“-Bewegung, die Walen erlaubt, gute Bereiche zu sondieren, ohne sich zu schnell festzulegen, und ein dreieckiger Spiraljagdpfad, der kontrollierte Zufälligkeit hinzufügt, um lokalen Fallen zu entkommen und Lösungen zu verfeinern.

Ein Hauch kontrollierter Zufälligkeit

Um die Stagnation zu vermeiden, die oft spät in der Suche auftritt, entlehnen die Autoren Ideen aus einer anderen leistungsstarken Technik, der Differenziellen Evolution. Sie erzeugen „mutierte“ Kopien einiger Entwürfe, indem sie Informationen von mehreren Walen kombinieren, und fügen dann sanfte gaußsche Stöße unterschiedlicher Größen hinzu. Diese Mutationen schubsen die Suche gelegentlich aus einer Sackgasse in bislang unerforschte Regionen nahe vielversprechender Stellen. Gleichzeitig wird ein zentrales Steuerungselement, der Konvergenzfaktor, nicht mehr linear reduziert; stattdessen folgt er einer S-förmigen Kurve. Anfangs fördert dies breite Erkundung, geht dann schnell in fokussierte Feinanpassung über und verlangsamt sich am Ende wieder, um etwas Flexibilität zu bewahren.

Nachweis der Wirksamkeit an Tests und realen Entwürfen

Das Team bewertet ESTGWOA an 23 standardisierten mathematischen Testfunktionen, die glatte Mulden, zerklüftete Landschaften mit vielen lokalen Gipfeln und komplexe Mischformen umfassen. Über moderate und hohe Dimensionen (30, 50 und 100 Variablen) übertrifft der neue Algorithmus mehrere bekannte Konkurrenten, darunter frühere wal-inspirierte Varianten und andere tier- sowie physikbasierte Methoden. Er erzielt im Mittel bessere Lösungen mit weniger Streuung zwischen Läufen, und statistische Tests bestätigen, dass die Verbesserungen nicht zufällig sind. Die Autoren nehmen anschließend sieben klassische ingenieurtechnische Entwurfsprobleme in Angriff, wie Mehrscheiben-Kupplungen, Gasübertragungsverdichter, Federn, Träger, Fachwerke und Hebel. In fast allen Fällen findet ESTGWOA leichtere oder günstigere Entwürfe, während alle Sicherheits- und Leistungsgrenzen eingehalten werden.

Was das für alltägliche Technik bedeutet

Einfach gesagt ist die neue geometrische Wal-Methode eine klügere Art für Computer, im „Design-Ozean“ zu suchen. Durch gleichmäßiges Ausbreiten, das Folgen flexibler Spiral- und Dreieckspfade und gelegentliches Mutieren vielversprechender Lösungen bewahrt sie ein gesundes Gleichgewicht zwischen breiter Erkundung und sorgfältiger Verfeinerung. Das Ergebnis ist ein Algorithmus, der zuverlässig hochwertige Entwürfe für komplexe, reale Systeme findet, ohne zusätzliche mathematische Annahmen. Für Industrien, die Kosten, Festigkeit, Sicherheit und Effizienz zugleich abwägen müssen, können solche Werkzeuge Entwicklungszyklen verkürzen und Lösungen aufdecken, die allein durch Intuition niemals gefunden würden.

Zitation: Wei, J., Zhang, R., Gu, Y. et al. A Geometric Whale Optimization Algorithm with Triangular Flight for Numerical Optimization and Engineering Design. Sci Rep 16, 8526 (2026). https://doi.org/10.1038/s41598-026-37387-0

Schlüsselwörter: metaheuristische Optimierung, Wal-Optimierungsalgorithmus, Ingenieursentwurf, numerische Optimierung, Schwarmintelligenz