Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

אופטימיזציה מודולרית של Harris Hawks עם אבולוציה דפרנציאלית מונחית מגמה וחקר גאוסיאני לאופטימיזציה גלובלית ותכנון הנדסי

· חזרה לאינדקס

חיפוש חכם יותר לעיצובים טובים יותר

מתכנון גשרים קלים יותר ועד לכיול רשתות נוירונים, מהנדסים ומדענים מתמודדים ללא הרף עם חידות שבהן עליהם למסור בין מספר עצום של אפשרויות כדי למצוא את הטוב ביותר. ניסוי וטעייה מסורתיים או אפילו אלגוריתמים מודרניים עלולים להיתקע בקלות בפתרונות בינוניים, במיוחד כאשר מרחב העיצוב גדול ומלא תזוזות. המחקר מציג שיטת חיפוש חדשה בשם DEHHO שמטרתה לחקור נופים קשים אלו באופן חכם יותר, למצוא תשובות טובות יותר מהר ובאופן אמין יותר.

Figure 1
Figure 1.

מדוע קשה למצוא את האפשרות הטובה ביותר

הרבה בעיות ממשיות ניתנות לדמיון כנופים: כל נקודה מייצגת עיצוב שונה, והגובה מייצג עד כמה הוא טוב או רע. נופים אלה לעתים קרובות מחוספסים, עם אין־ספור גבעות ועמקים. האתגר הוא למצוא את העמק הנמוך ביותר (העיצוב הטוב ביותר) מבלי להיתפס על גבעה סמוכה (עיצוב סביר־במידה). אלגוריתם פופולרי המעודכן מהתנהגות הציד של בזי האריס, HHO, שימש לטיפול בבעיות כאלה היות שהוא פשוט ואינו דורש לדעת את צורת הנוף במדויק. ועדיין, כאשר מספר אפשרויות העיצוב גדל מאוד, ה‑HHO המקורי נוטה לאבד את כיוון החיפוש, להתקבץ מהר מדי ולהשאף סביב פתרונות טובים־אך־לא־הטובים ביותר.

מיזוג שתי רעיונות: נדידה מבוקרת ותנועה מונחית

המחברים מציעים את DEHHO, שיפור מודולרי של HHO שמשלב שתי רעיונות משלימים. ראשית, בשלב ה"חקירה" המוקדם, DEHHO מוסיף רעש גאוסיאני מבוקר — סוג של ריצוד אקראי עדין — למצבים של המועמדים. במקום לקפוץ בעיוורון בכל הנוף, ריצוד זה מעודד את החיפוש לבחון בקפידה אזורים מבטיחים תוך שמירה על גיוון באוכלוסייה. שנית, בשלב ה"ניצול" המאוחר יותר, DEHHO שואב מנגנון משיטה מוצלחת אחרת, אבולוציה דיפרנציאלית. כאן כל מועמד נע לא רק כלפי הטוב הנוכחי, אלא גם בכיוון המעוצב על ידי ההבדלים בין מועמדים אחרים ועל ידי היסטוריית התנועה האחרונה שלו — סוג של מומנטום. הצעד המונחה־מגמה מחליק את המסלול על פני הנוף, מפחית זיג־זאגים שמבזבזים זמן ועלולים לגרום להיתקעות החיפוש.

בדיקה על מבחנים מתמטיים קשים

כדי לבדוק האם הרעיונות האלה משתלמים, החוקרים בחנו את DEHHO על שתי קולקציות תובעניות של בעיות בדיקה סטנדרטיות המכונות CEC 2017 ו‑CEC 2020. נקודות הציון כוללות נופים חלקים ומחוספסים, כאלה עם הרבה עמקי־מלכודת מטעה, וכאלה שבהם משתנים מתקשרים בדרכים מסובכות. הצוות הריץ את DEHHO ועשרה אלגוריתמים מתחרים — חמישה שדרוגים של HHO וחמישה שיטות חיפוש ידועות נוספות — על בעיות עם 50 ו‑100 מימדי עיצוב, כלומר מרחב החיפוש היה עצום. ברוב 39 פונקציות הבדיקה DEHHO השיג שגיאות נמוכות יותר ובאופן עקבי על פני 30 ריצות עצמאיות, אף על פי שהפרמטרים הוגדרו קבועים ולא מותאמים לכל מקרה. בדיקות סטטיסטיות אישרו שסיכויי השיפור להיות מקרי הם נמוכים.

Figure 2
Figure 2.

ממשוואות למכונות אמיתיות

מעבר לבעיות מתמטיות מופשטות, המחקר בדק כיצד DEHHO מתפקד במשימות הנדסיות קלאסיות: תכנון מסגרת תלת־סרגלית, קורה מושחמת ומנגנון הפחתת מהירות. כל עיצוב חייב לעמוד במגבלות בטיחות וביצועים נוקשות תוך מזעור משקל או עלות. DEHHO השתמש בטריק של קנסות ומחסומים כדי להעדיף עיצובים שנשארים בתוך הגבולות המותרים תוך דחיפה לכיוון הקצוות שבהם לעתים קרובות נמצאים פשרות מיטביות. בכל שלוש המקרים הוא התאקלם או שיפר במעט את הפתרונות הידועים הטובים ביותר תוך שמירה על המגבלות, ועשה זאת באופן אמין יותר מהאלגוריתמים המתחרים. הדבר מרמז שהשיטה אינה סתם סקרנות תיאורטית אלא כלי מעשי לעיצוב הנדסי קשה.

מה זה אומר עבור הלא־מומחים

במונחים יומיומיים, DEHHO דומה לשילוב של סייר זהיר החוקר את הקרקע הסובבת וסולל דרך זקן זן שמזכיר אילו כיוונים הורידו בעבר במורד. הנדידה המודעת של הסייר (חקירה גאוסיאנית) מונעת מהקבוצה להתיישב מהר מדי על "מחנה" גרוע, בעוד חוש הכיוון של ההולך (אבולוציה מונחית־מגמה) עוזר לקבוצה לרדת ביעילות לקרקעית העמק. התוצאות מראות שהשילוב המודולרי והפשוט הזה יכול לחפש מרחבי עיצוב גדולים ומאתגרים עם דיוק ויציבות טובים יותר מאשר כמה שיטות מבוססות, בלי עלייה גדולה בעלות המחשוב. עבור כל מי שמשתמש במחשבים כדי למצוא צורות, לוחות זמנים או הגדרות טובים יותר — בין אם בהנדסה, מדעי הנתונים או מעבר לכך — DEHHO מציע דרך אמינה יותר להתקרב לפתרון הטוב מכולם.

ציטוט: Kang, F., Su, X. Modular Harris Hawks optimization with trend-guided differential evolution and Gaussian exploration for global optimization and engineering design. Sci Rep 16, 6007 (2026). https://doi.org/10.1038/s41598-026-35565-8

מילות מפתח: אופטימיזציה גלובלית, אלגוריתמים מטה-היוריסטיים, Harris Hawks optimization, differential evolution, תכנון הנדסי