Daha karmaşık mühendislik kararları için daha akıllı tercihler
Günlük teknolojiler—güç şebekelerinden dişlilere—çelişen hedefleri dengelemek zorunda: maliyetleri düşük tutmak, kirliliği azaltmak ve güvenli ile güvenilir kalmak. Bu makale, mütevazı denizyıldızından ilham alan yeni bir algoritma tanıtıyor; bu algoritma mühendislerin bu ödünleşmeleri daha verimli şekilde değerlendirmesine yardımcı oluyor. Denizyıldızlarının çevrelerini keşfetme, avlanma ve kopan kollarını yeniden büyütme biçimlerini taklit ederek yöntem; aynı anda birçok yüksek kaliteli uzlaşma çözümü buluyor ve karar vericilere tek bir “en iyi” cevap yerine daha zengin bir seçenek menüsü sunuyor.
Neden birden çok hedefi dengelemek bu kadar zor
Gerçek mühendislik problemleri nadiren tek bir amaca sahiptir. Örneğin, bir elektrik güç sisteminin işletilmesi yakıt maliyetlerini en aza indirmeyi gerektirirken, aynı zamanda emisyonları, iletim hattı kayıplarını ve voltaj kararsızlıklarını da azaltmayı hedefler. Bir hedefi iyileştirmek genellikle başka birini kötüleştirir. Tek bir optimum yerine genellikle Pareto sınırı olarak bilinen, birbirine denk makul seçeneklerden oluşan eğrisel bir cephe bulunur; bir hedefe yaklaşmak diğerinden uzaklaşmak anlamına gelir. Bu sınırın yakınında yer alan ve boyunca eşit şekilde yayılan bir çözüm kümesi bulmak hesaplama açısından zordur; sistemler büyüdükçe ve karmaşıklık arttıkça zorluk daha da artar.
Yazarlar, üç doğal davranışı modelleyen tek amaçlı daha önceki Starfish Optimization Algorithm adlı yöntemin üzerine inşa ediyor: denizyıldızının çoklu koluyla çevresini taraması şeklindeki keşif, yiyeceğe yönelme şeklindeki avlanma ve bir kolu kaybedip yavaşça yeniden büyümesi şeklindeki rejenerasyon. Algoritmik versiyonda her “denizyıldızı” aday bir tasarımı veya işletme noktasını temsil eder. Keşif sırasında her denizyıldızının yalnızca birkaç koordinatı aynı anda hareket eder; bu, geniş uzayları etkili şekilde taramaya yardımcı olur. Sömürgeleştirme (exploitation) aşamasında denizyıldızları mevcut en iyi çözümler etrafında iki yönde hareket ederek umut verici tasarımları keskinleştirir. Rejenerasyon adımı zaman zaman bir çözümü küçültür ve onu yeni bir yöne iter; bu, çeşitliliği yeniden sağlar ve yerel tuzaklardan kaçmaya yardım eder.
Tek bir amacı çoklu hedefe dönüştürmek
Bu fikri çok amaçlı problemlere yükseltmek için yazarlar Çok Amaçlı Denizyıldızı Optimizasyon Algoritması (MOSFOA) öneriyor. MOSFOA, denizyıldızı hareketlerini lider evrimsel yöntemlerden alınan bir sıralama ve seçim katmanının içine sarıyor. Her nesilde tüm aday çözümler, herhangi bir çözümün diğerine tüm hedefler açısından açıkça üstün olup olmadığına göre “cepheler”e sıralanır. En iyi cephe, hiçbir hedefte aynı anda tamamen alt edilmemiş olan çözümleri içerir. Her cephe içinde, komşularından iyi ayrılmış noktaları tercih eden bir kalabalıklaşma-mesafesi ölçüsü kümelenmeyi önler; bu, algoritmanın ödünleşme eğrisinin yalnızca tek bir bölgesinde yoğunlaşmasını engeller. Bu mekanizmalar birlikte, denizyıldızı hareketlerinin nüfusu hem Pareto sınırına doğru hem de sınır boyunca itmesini sağlayarak geniş bir seçenek yelpazesini korur.
Yöntemi teste sokmak Figure 2.
MOSFOA, konveks, konkav, parçalara bölünmüş veya yerel tuzaklarla dolu cepheler gibi çok amaçlı aramanın farklı yönlerini zorlamak üzere tasarlanmış geniş bir standart matematiksel kıyas setinde test ediliyor. Yazarlar algoritmalarını on tanınmış rakiple karşılaştırıyor ve çözümlerin gerçek Pareto sınırına ne kadar yakın olduğunu ve onu ne kadar iyi kapsadığını yakalayan kabul görmüş göstergelerle performansı değerlendiriyor. Çoğu testte MOSFOA, ideal ödünleşme eğrisine daha küçük uzaklıklar ve amaç uzayında daha geniş kaplama hacmi elde ederek hem daha iyi doğruluk hem de daha zengin çeşitlilik sinyali veriyor. Klasik optimalite koşullarına dayanan matematiksel bir ölçüm ayrıca çözümlerinin teorik olarak en iyi uzlaşmalara çok yakın olduğunu destekliyor.
Gerçek dünya etkisi: güç şebekeleri ve mekanik tasarım
Test fonksiyonlarının ötesinde, algoritma zorlayıcı mühendislik görevlerine uygulanıyor. Bir dizi deneme, MOSFOA’nın işletmecilere yakıt maliyetlerini, emisyonları, güç kayıplarını ve voltaj sapmalarını üreticiler, transformatörler ve ağ güvenliği üzerine gerçekçi kısıtlar altında birlikte en aza indirmede yardımcı olduğu standart bir 30-baralı elektrik güç ağı içeriyor. Bir diğer uygulama hız azaltıcı—bir dişli kutusu bileşiği—üzerine; burada algoritma hem malzeme hacmini hem de mekanik gerilmeleri minimize eden tasarımları arıyor. Her iki durumda da MOSFOA, tüm güvenlik sınırlarına uyan yüksek kaliteli ödünleşmeler buluyor ve tekrarlı çalışmalarda rakip tekniklere göre daha tutarlı sonuçlar veriyor.
Uzman olmayanlar için bunun anlamı
Pratik anlamda bu çalışma, mühendisler ve planlamacılar için tek bir önerilen nokta yerine “iyi uzlaşmalar” manzarasını daha güvenilir şekilde görme yolu sunuyor. Basit bir biyolojik metaforu özenli matematiksel sıralama ve çeşitlilik kontrolleriyle birleştirerek MOSFOA, hem neredeyse optimal hem de iyi yayılmış çözüm kümeleri üretiyor; bu da yerel önceliklere göre—daha ucuz elektrik, daha temiz hava veya daha uzun ömürlü makineler gibi—seçmeyi kolaylaştırıyor. Çalışmanın sonuçları, gerçek güç sistemleri ve endüstriyel tasarım problemlerindeki uygulamalar da dahil olmak üzere, bu denizyıldızı ilhamlı yaklaşımın karmaşık karar verme için umut verici bir katkı olduğunu gösteriyor.
Atıf: Jameel, M., Merah, H., El-latif, A.M.A. et al. Multiobjective starfish optimization algorithm for engineering design and optimal power flow problems.
Sci Rep16, 3302 (2026). https://doi.org/10.1038/s41598-026-35329-4
Anahtar kelimeler: çok amaçlı optimizasyon, meta-üstün arama yöntemleri, enerji sistemi planlaması, mühendislik tasarımı, Pareto sınırı
