Геометрический алгоритм оптимизации китов с треугольным полётом для численной оптимизации и инженерного проектирования

Более умный поиск для лучших проектов

От более лёгких автомобильных деталей до более дешёвых энергетических трубопроводов — современное инженерное дело зависит от выбора наилучшей конструкции из множества вариантов. Но исчерпывающее тестирование всех комбинаций невозможно. В этой работе представлен новый метод компьютерного поиска, вдохновлённый поведением китов при охоте и геометрическими шаблонами, который способен быстро находить отличные решения для сложных инженерных систем.

Почему найти «лучший» проект так трудно

Многие реальные задачи проектирования — от пружин и балок до газовых компрессоров и сетей реакторов — похожи на ландшафты с бесчисленными холмами и долинами. Каждая точка представляет конкретный проект; высота отражает его качество. Традиционные методы, следующие по местным градиентам, легко застревают на близком небольшом холме вместо того, чтобы найти глобальную вершину. Метагевристические алгоритмы были созданы для борьбы с этим: вместо движения по одной прямой они запускают «стая» кандидатных решений, которые совместно исследуют пространство, ищут лучшие варианты и обмениваются информацией.

Как работает поиск, вдохновлённый китами

Алгоритм оптимизации китов моделирует поведение горбатых китов, которые окружают и закручиваются вокруг добычи в океане. Каждый виртуальный кит — это пробный проект; по мере движения лучший по результатам выступает лидером, а остальные корректируют свои позиции, чтобы приблизиться к перспективным областям. Исходный подход прост и гибок, но в сложных задачах он может потерять разнообразие, слишком рано собраться вокруг посредственного решения и перестать улучшаться. Авторы анализируют эти слабости — плохие стартовые позиции, бесцельное блуждание и чрезмерно жёсткие правила движения — и стремятся исправить их, не делая метод слишком тяжёлым или медленным.

Геометрические приёмы для улучшения поиска

Новый метод, названный Геометрическим алгоритмом оптимизации китов с треугольным полётом (ESTGWOA), перестраивает способ распределения и движения китов. Сначала используется набор «Хороших узлов» для размещения начальных китов в очень ровной геометрической сетке, чтобы поиск покрывал всё пространство, а не скапливался случайно. Затем шаг «Поиска, руководимого элитой» направляет китов с учётом как текущего лучшего проекта, так и среднего положения популяции, обеспечивая целенаправленное, но не слепое следование за лидером. Два новых шаблона движения имитируют изящные криволинейные манёвры: спиральное «окружение», позволяющее китам исследовать окрестности хороших областей без стремительной фиксации, и треугольная спиральная траектория охоты, добавляющая контролируемую случайность для выхода из локальных ловушек и уточнения решений.

Добавление порции контролируемой случайности

Чтобы избежать застоя, который часто возникает в конце поиска, авторы заимствуют идеи из другого мощного приёма — дифференциальной эволюции. Они создают «мутационные» копии некоторых проектов путём комбинирования информации от нескольких китов, а затем добавляют мягкие гауссовы возмущения разных масштабов. Эти мутации время от времени вытесняют поиск из тупика в не исследованные окрестности перспективных участков. Одновременно ключевой внутренний регулятор, называемый фактором сходимости, перестаёт уменьшаться по линейному закону; вместо этого он следует S-образной кривой. На ранних этапах это поощряет широкое исследование, затем быстро переключается на целенаправленное уточнение и в конце снова замедляется, чтобы сохранить некоторую гибкость.

Доказательства эффективности на тестах и реальных проектах

Команда оценила ESTGWOA на 23 стандартных математических тестовых функциях, включающих гладкие чаши, неровные ландшафты с множеством локальных максимумов и сложные смешанные формы. Для умеренных и высоких размерностей (30, 50 и 100 переменных) новый алгоритм превосходит ряд известных конкурентов, включая ранние варианты, вдохновлённые китами, и другие методы, основанные на моделях животных или физических процессов. Он в среднем находит лучшие решения с меньшей разбросом между запусками, и статистические тесты подтверждают, что улучшения не случайны. Авторы затем решают семь классических задач инженерного проектирования, таких как многодисковые сцепления, газовые компрессионные станции, пружины, балки, фермы и рычаги. Почти во всех случаях ESTGWOA находит более лёгкие или дешёвые конструкции при соблюдении всех требований безопасности и эксплуатационных ограничений.

Что это значит для повседневных технологий

Проще говоря, новый геометрический метод китов — это более умный способ для компьютеров «исследовать океан проектов». Равномерно распределяясь, следуя гибким спиральным и треугольным траекториям и время от времени мутируя перспективные решения, он поддерживает здоровый баланс между широким исследованием и тщательной доработкой. В результате получается алгоритм, который надёжно обнаруживает высококачественные решения для сложных реальных систем без дополнительных математических допущений. Для отраслей, которые одновременно учитывают стоимость, прочность, безопасность и эффективность, такие инструменты могут сократить время разработки и выявить решения, которые интуицией вряд ли были бы найдены.

Цитирование: 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

Ключевые слова: метагевристическая оптимизация, алгоритм оптимизации китов, инженерное проектирование, численная оптимизация, речевые/стая интеллекта