Çoklu stratejili hibrit ile geliştirilmiş siyah kanatlı toygar optimizasyon algoritması ve uygulaması

Zorlu mühendislik sorunları için daha akıllı dijital toygarlar

Daha hızlı trenler tasarlamaktan enerji şebekelerini ayarlamaya kadar mühendisler, geleneksel dene‑yanıl yaklaşımların yetmediği karmaşık sorunlarla sürekli karşılaşıyor. Bu makale, kuşların keşif, saldırı ve göç davranışlarını taklit ederek en iyi çözüme yönelen geliştirilmiş bir dijital “toygar sürüsü” — geliştirilmiş siyah kanatlı toygar optimizasyon algoritması (IMBKA) — sunuyor. Yazarlar ayrıca bu daha zeki sürünün, yüksek hızlı demiryollarında kritik bir güvenlik faktörünü tahmin etmede nasıl yardımcı olabileceğini gösteriyor: trenin çatıya monte pantografının üsttel tel ile temas ettiği noktadaki elektriksel direnç.

Neden daha iyi dijital kâşiflere ihtiyacımız var

Çağdaş mühendislik sistemleri birçok etkileşimli değişken ve çakışan gereksinimlerle son derece karmaşıktır. Klasik optimizasyon araçları çoğunlukla “yeterince iyi” cevaplarda takılabilir ve olasılıkların geniş manzarasında gizlenmiş daha iyi seçenekleri kaçırabilir. Son yıllarda araştırmacılar, yiyecek arayan balık sürüleri, kurt sürüleri ve kuş kümeleri gibi hayvan gruplarının davranışlarını taklit eden doğadan ilham alan algoritmalara yöneldi. Siyah kanatlı toygar algoritması (BKA) bu aileye ait olup, bu kuşların gökyüzünde keşif yapmak için dönmeleri ve ardından avlanmak için dalışa geçmelerini temel alacak şekilde geliştirilmişti. BKA birçok görevde bazı iyi bilinen yöntemlerden daha iyi performans gösterse de iki önemli zayıflığa sahip: başlangıç tahminleri kötü olabiliyor ve arama yerel çıkmazlarda takılabiliyor.

Sanal sürüye dört yükseltme

Geliştirilmiş versiyon IMBKA, aramanın dört kritik anında BKA’yı iyileştiriyor. Birincisi, başlangıçta kuşları rastgele dağıtmak yerine algoritma, arama uzayına dengeli şekilde yayılmalarını sağlamak için özenle tasarlanmış bir “optimal nokta kümesi” kullanıyor. Bu basit değişiklik çeşitliliği artırıyor ve tüm adayların problemin kötü bir köşesinde toplanma riskini azaltıyor. İkincisi, yazarlar saldırı aşamasına uyarlanabilir bir ağırlık ekliyor; bu, varış noktasına yaklaşırken gaz pedalından yavaşça çekmeye benzer bir ruh taşıyor. Çalışmanın başında algoritma genişçe keşfetmek için daha cesur adımlar atıyor; ilerleyen aşamalarda adımlar küçülerek umut vadeden çözümleri hassaslaştırıyor.

Çıkmazlardan kaçınan uyanık uçuş desenleri

Üçüncüsü, araştırmacılar başka bir kuş temelli yöntem olan serçe arama algoritmasından ilham alan bir uyarı davranışı ve bir balina ilhamlı optimizörden ödünç alınmış bir spiral hareket deseni tanıtıyorlar. Doğada sürünün kenarındaki kuşlar tehlikeyi gözetler ve grubu tehditlerden uzaklaştırır. IMBKA’da bu, bireylerin riskli veya verimsiz bölgeden kaçmasına yardımcı olan özel hamlelere dönüşüyor; aynı zamanda iyi adayların çevresinde spiral çizerek etraflarını daha kapsamlı şekilde yoklamayı sağlıyor. Dördüncü olarak, algoritma ara sıra “Levy uçuşları” gerçekleştiriyor; birçok kısa hareketle nadiren yapılan uzun sıçramaları karıştıran bir atlama türü. Bu sıçramalar dijital toygarların yerel tuzaklardan kaçmasına ve gerçek küresel optimumu barındırabilecek uzak bölgeleri keşfetmesine yardımcı oluyor; üstelik iyi noktaların yakınında dikkatli aramayı sürdürme yeteneğinden vazgeçmeden.

Güvenilirliği kanıtlamak ve hızı test etmek

IMBKA’nın sadece akıllı değil aynı zamanda güvenilir olduğunu göstermek için yazarlar, rastgele süreçleri tanımlamada yaygın bir araç olan Markov zincirleri kullanarak matematiksel bir model kuruyorlar. Bu model, yeterli zaman verildiğinde algoritmanın küresel en iyi çözümü bulma olasılığının bire yaklaşacağını gösteren katı bir ispatı destekliyor. Ardından IMBKA’yı optimizasyon yöntemlerini karşılaştırmak için yaygın olarak kullanılan on iki kıyas probleminden oluşan bir koleksiyonda test ediyorlar. Kontrollü “ablasyon” çalışmalarında, dört iyileştirmenin her birini açıp kapatarak her birinin fayda sağladığını ve bunların birleşiminin en iyi sonucu verdiğini gösteriyorlar. Beş diğer modern algoritmaya karşı IMBKA, daha hızlı yakınsama sağlıyor, daha düşük hata seviyelerine ulaşıyor ve hem basit hem de çok engebeli test manzaralarında daha istikrarlı performans koruyor.

Yüksek hızlı trenlerin gücü açık tutmasına yardımcı olmak

Optimizasyon araçları, gerçek donanımda fark yarattıklarında en çok önem kazanır. Pratik bir gösterim olarak ekip, IMBKA’yı pantograf‑katener temas direncini tahmin etmek için popüler bir makine öğrenimi modeli olan destek vektör makinesini ayarlamakta kullanıyor. Bu direnç, üsttel tel ile tren arasındaki güç akışının ne kadar verimli ve güvenilir olduğunu etkiliyor. Farklı hız, akım, basınç ve titreşim koşulları altında özel bir kayan kontak test düzeneğinden elde edilen verileri kullanarak üç modeli karşılaştırıyorlar: temel bir destek vektör makinesi, orijinal BKA ile ayarlanmış bir versiyon ve IMBKA ile ayarlanmış bir versiyon. IMBKA tabanlı model tahmin hatasını yaklaşık dörtte bir oranında azaltıyor ve uyum ölçüsü (R²) değerini yaklaşık yüzde on yedi iyileştiriyor; bu da temas direncinin daha doğru ve güvenilir bir şekilde öngörüldüğünü gösteriyor.

Günlük teknoloji için ne anlama geliyor

Basitçe söylemek gerekirse, bir sanal toygar sürüsüne daha akıllıca yayılma, uyum sağlama, tehlikeye tepki verme ve ara sıra büyük sıçramalar yapma yolları kazandırmak daha iyi ve daha hızlı çözümler üretiyor. Mühendisler için IMBKA, güç ekipmanından ulaşım sistemlerine kadar karmaşık tasarım sorunları için daha güvenilir bir arama motoru sunuyor. Ve yüksek hızlı tren güç temaslarını tahmin etmede gerçek kazanımlar göstererek, bu tür doğadan ilham alan algoritmaların milyonlarca insanın her gün güvendiği teknolojilerin güvenliğini, verimliliğini ve maliyet‑etkinliğini sessizce iyileştirebileceğini öne sürüyor.

Atıf: Hui, L., Kong, Y. Improved black-winged kite optimization algorithm with multi-strategy hybrid and its application. Sci Rep 16, 6768 (2026). https://doi.org/10.1038/s41598-026-36871-x

Anahtar kelimeler: meta-sezgisel optimizasyon, doğadan ilham alan algoritmalar, siyah kanatlı toygar algoritması, destek vektör makineleri, pantograf-katener direnç