Geometryczny algorytm optymalizacji wielorybów z trójkątnym lotem dla optymalizacji numerycznej i projektowania inżynierskiego

Sprytniejsze poszukiwania lepszych projektów

Od lżejszych części samochodowych po tańsze rurociągi energetyczne — współczesne inżynierstwo polega na wyborze jak najlepszego projektu spośród niezliczonych opcji. Jednak dokładne przetestowanie każdej kombinacji jest niemożliwe. W artykule przedstawiono nową metodę poszukiwania komputerowego, inspirowaną zachowaniami wielorybów i wzorami geometrycznymi, która potrafi szybko wyłowić znakomite projekty dla złożonych systemów inżynierskich.

Dlaczego znalezienie „najlepszego” projektu jest takie trudne

Wiele rzeczywistych problemów projektowych — od sprężyn i belek po sprężarki gazu i sieci reaktorów — przypomina krajobraz pełen wzgórz i dolin. Każdy punkt reprezentuje konkretny projekt; wysokość wskazuje, czy jest on dobry czy zły. Tradycyjne metody, które podążają za lokalnym nachyleniem, łatwo utkną na pobliskim małym wzniesieniu zamiast znaleźć najwyższy szczyt. Algorytmy metaheurystyczne powstały, by temu zaradzić: zamiast iść jedną ścieżką, wysyłają „rój” kandydatów, które wspólnie eksplorują przestrzeń, szukając lepszych rozwiązań i wymieniając się informacją.

Jak działa wyszukiwanie inspirowane wielorybami

Algorytm optymalizacji wielorybów modeluje sposób, w jaki humbaki otaczają i spiralnie okrążają zdobycz w oceanie. Każdy wirtualny wieloryb to próba projektu; w miarę poruszania się, najlepiej radzący sobie wieloryb pełni rolę lidera, a pozostałe dostosowują swoje pozycje, by zbliżyć się do obiecujących rejonów. Oryginalne podejście jest proste i elastyczne, lecz w trudnych problemach może tracić różnorodność, zbyt szybko gromadzić się wokół przeciętnego rozwiązania i przestać się poprawiać. Autorzy analizują te słabości — złe pozycje startowe, bezcelowe wędrówki i zbyt sztywne reguły ruchu — i proponują naprawy bez nadmiernego obciążania metody.

Geometryczne sztuczki dla lepszego poszukiwania

Nowa metoda, nazwana Geometrycznym Algorytmem Optymalizacji Wielorybów z Trójkątnym Lotem (ESTGWOA), zmienia sposób, w jaki wieloryby rozmieszczają się i poruszają. Najpierw wykorzystuje Zbiór Dobrych Węzłów do rozmieszczenia początkowych wielorybów w bardzo równomiernym wzorze geometrycznym, dzięki czemu poszukiwanie obejmuje całą przestrzeń zamiast zlepiać się losowo. Następnie etap Poszukiwań Kierowanych przez Elitę steruje ruchami wielorybów, uwzględniając zarówno aktualnie najlepszy projekt, jak i średnią pozycję populacji, co daje ruchy celowe, lecz nie ślepo posłuszne wobec lidera. Dwa nowe wzory ruchu naśladują zwinne, zakrzywione manewry: spiralne „okrążanie” pozwalające badać obszary wokół dobrych rejonów bez zbyt szybkiego zablokowania oraz trójkątna spirala łowiecka dodająca kontrolowaną losowość, by uciec z lokalnych pułapek i dopracować rozwiązania.

Dodanie odrobiny kontrolowanej losowości

Aby uniknąć stagnacji, która często pojawia się późno w poszukiwaniu, autorzy zapożyczają pomysły z innej skutecznej techniki — ewolucji różnicowej. Tworzą „zmodyfikowane” kopie niektórych rozwiązań przez łączenie informacji z kilku wielorybów, a następnie dodają delikatne gaussowskie pchnięcia o różnych skalach. Te mutacje od czasu do czasu wypychają poszukiwanie z rutyny w nieodkryte obszary bliskie obiecującym punktom. Równocześnie kluczowy parametr wewnętrzny, zwany czynnikiem zbieżności, nie jest już zmniejszany liniowo; zamiast tego podąża za krzywą w kształcie litery S. Na początku sprzyja to szerokiej eksploracji, potem szybko przechodzi do skoncentrowanego dopracowywania, a na końcu ponownie zwalnia, by zachować odrobinę elastyczności.

Dowód skuteczności na testach i rzeczywistych projektach

Zespół ocenia ESTGWOA na 23 standardowych funkcjach testowych matematycznych obejmujących gładkie misy, poszarpane krajobrazy z wieloma lokalnymi szczytami oraz złożone mieszane kształty. W średnich i wysokich wymiarach (30, 50 i 100 zmiennych) nowy algorytm przewyższa kilka znanych konkurentów, w tym wcześniejsze warianty inspirowane wielorybami oraz inne metody oparte na zachowaniach zwierząt i prawach fizyki. Osiąga lepsze rozwiązania w średniej, z mniejszą zmiennością między uruchomieniami, a testy statystyczne potwierdzają, że poprawy nie są przypadkowe. Autorzy rozwiązują też siedem klasycznych wyzwań projektowania inżynierskiego, takich jak wielotarczowe sprzęgła, sprężarki przesyłowe, sprężyny, belki, kratownice i dźwignie. W niemal każdym przypadku ESTGWOA znajduje lżejsze lub tańsze projekty przy jednoczesnym zachowaniu wszystkich ograniczeń bezpieczeństwa i wydajności.

Co to oznacza dla codziennej technologii

Mówiąc prościej, nowa geometryczna metoda wielorybia to inteligentniejszy sposób, w jaki komputery „przeszukują ocean projektów”. Dzięki równomiernemu rozmieszczeniu, podążaniu za elastycznymi spiralnymi i trójkątnymi ścieżkami oraz sporadycznym mutacjom obiecujących rozwiązań, utrzymuje zdrową równowagę między szeroką eksploracją a starannym dopracowywaniem. Efektem jest algorytm, który niezawodnie odkrywa wysokiej jakości projekty dla złożonych, rzeczywistych systemów bez dodatkowych założeń matematycznych. Dla branż, które muszą jednocześnie ważyć koszty, wytrzymałość, bezpieczeństwo i wydajność, takie narzędzia mogą skrócić cykle rozwoju i ujawnić rozwiązania, które mogłyby pozostać nieodkryte przy samym poleganiu na intuicji.

Cytowanie: 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

Słowa kluczowe: optymalizacja metaheurystyczna, algorytm optymalizacji wielorybów, projektowanie inżynierskie, optymalizacja numeryczna, inteligencja roju