Een geometrisch walvisoptimalisatie-algoritme met driehoekige vlucht voor numerieke optimalisatie en technisch ontwerp

Slimmer zoeken naar betere ontwerpen

Van lichtere auto-onderdelen tot goedkopere energiepijpleidingen: moderne techniek hangt af van het kiezen van het best mogelijke ontwerp uit talloze opties. Maar het is onmogelijk om elke combinatie uitputtend te testen. Dit artikel presenteert een nieuwe computergebaseerde zoekmethode, geïnspireerd op het jachtgedrag van walvissen en geometrische patronen, die snel uitstekende ontwerpen kan vinden voor complexe technische systemen.

Waarom het vinden van het "beste" ontwerp zo moeilijk is

Veel reële ontwerpproblemen — van veren en balken tot gascompressoren en reactornetwerken — lijken op landschappen met talloze heuvels en dalen. Elk punt staat voor een specifiek ontwerp; de hoogte geeft aan hoe goed of slecht het is. Traditionele methoden die lokale hellingen volgen kunnen gemakkelijk vastlopen op een nabijgelegen kleine heuvel in plaats van de hoogste top te vinden. Metaheuristische algoritmen zijn bedacht om dit aan te pakken: in plaats van in één rechte lijn te marcheren, sturen ze een "zwerm" van kandidaat-oplossingen die samen het landschap verkennen, op zoek naar betere opties en daarbij informatie uitwisselen.

Hoe walvisgeïnspireerd zoeken werkt

Het Whale Optimization Algorithm modelleert hoe bultrugwalvissen hun prooi omsingelen en in spiralen benaderen in de oceaan. Elke virtuele walvis is een proefontwerp; wanneer ze bewegen, fungeert de best presterende walvis als leider en passen anderen hun positie aan om zich op veelbelovende gebieden te richten. Deze oorspronkelijke benadering is eenvoudig en flexibel, maar bij moeilijke problemen kan de diversiteit verdwijnen, kunnen walvissen te snel rondom een middelmatige oplossing samenklonteren en kan verdere verbetering stagneren. De auteurs analyseren deze zwaktes — slechte startposities, doelloos zwerven en te rigide bewegingsregels — en zoeken manieren om ze te herstellen zonder de methode te zwaar of traag te maken.

Geometrische trucs voor beter zoeken

De nieuwe methode, Geometric Whale Optimization Algorithm with Triangular Flight (ESTGWOA) genoemd, herschikt hoe walvissen zich verspreiden en bewegen. Ten eerste gebruikt het een Good Nodes Set om de initiële walvissen in een zeer gelijkmatig geometrisch patroon te plaatsen, zodat de zoekruimte volledig wordt gedekt in plaats van willekeurig samen te klonteren. Vervolgens stuurt een Elite-Guided Searching-stap walvissen aan met zowel het huidige beste ontwerp als de gemiddelde positie van de populatie, wat beweging geeft die doelgericht is maar niet blindelings de leider volgt. Twee nieuwe bewegingspatronen bootsen sierlijke, gekromde manoeuvres na: een spiraalgebaseerde "omcirkelende" beweging die walvissen in staat stelt rond goede gebieden te peilen zonder te snel vast te lopen, en een driehoekige spiraalvormige jachtbaan die gecontroleerde willekeur toevoegt om lokale valkuilen te ontsnappen en oplossingen te verfijnen.

Een vleugje gecontroleerde willekeur toevoegen

Om stagnatie te voorkomen die vaak laat in de zoektocht optreedt, lenen de auteurs ideeën van een andere krachtige techniek, Differential Evolution. Ze creëren "gemuteerde" kopieën van sommige ontwerpen door informatie van meerdere walvissen te combineren en voegen vervolgens zachte Gaussiaanse duwtjes van verschillende groottes toe. Deze mutaties duwen de zoekrichting af en toe uit een sleur en in onontdekte regio’s nabij veelbelovende plekken. Tegelijkertijd wordt een belangrijke interne regelaar, de convergentiefactor, niet meer lineair verkleind; in plaats daarvan volgt deze een S-vormige curve. In het begin stimuleert dit brede verkenning, waarna het snel overgaat naar gefocuste verfijning en tenslotte weer vertraagt om wat flexibiliteit te behouden.

Aantonen dat het werkt op tests en echte ontwerpen

Het team evalueert ESTGWOA op 23 standaard wiskundige testfuncties die gladde kuipen, ruige landschappen met veel lokale pieken en ingewikkelde gemengde vormen omvatten. Over middelgrote en hoge dimensies (30, 50 en 100 variabelen) presteert het nieuwe algoritme beter dan verschillende bekende rivalen, waaronder eerdere walvisgeïnspireerde varianten en andere door dieren of natuurkundige principes geïnspireerde methoden. Het bereikt gemiddeld betere oplossingen, met minder spreiding tussen runs, en statistische tests bevestigen dat de verbeteringen niet door toeval komen. De auteurs pakken vervolgens zeven klassieke technische ontwerpproblemen aan, zoals meervoudige plaatkoppelingen, gastransmissiecompressoren, veren, balken, vakwerken en hefbomen. In bijna elk geval vindt ESTGWOA lichtere of goedkopere ontwerpen terwijl alle veiligheids- en prestatiebeperkingen gerespecteerd blijven.

Wat dit betekent voor alledaagse technologie

In gewone woorden is de nieuwe geometrische walvismethode een slimmer manier voor computers om de "ontwerpoceaan" te doorzoeken. Door zich gelijkmatig te verspreiden, flexibele spiraal- en driehoekspaden te volgen en af en toe veelbelovende oplossingen te muteren, behoudt het een gezonde balans tussen brede verkenning en zorgvuldige verfijning. Het resultaat is een algoritme dat betrouwbaar hoogwaardige ontwerpen ontdekt voor complexe, reële systemen zonder extra wiskundige aannames. Voor sectoren die kosten, sterkte, veiligheid en efficiëntie tegelijkertijd moeten afwegen, kunnen zulke hulpmiddelen ontwikkelcycli verkorten en oplossingen onthullen die intuïtief misschien nooit gevonden zouden worden.

Bronvermelding: 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

Trefwoorden: metaheuristische optimalisatie, walvisoptimalisatie-algoritme, technisch ontwerp, numerieke optimalisatie, zwermintelligentie