CICDWOA: A Collective Cognitive Sharing Whale Optimization Algorithm with Cauchy Inverse Cumulative Distribution for 2D/3D Path Planning and Engineering Design Problems

यहाँ शोध पत्र "CICDWOA: A Collective Cognitive Sharing Whale Optimization Algorithm with Cauchy Inverse Cumulative Distribution for 2D/3D Path Planning and Engineering Design Problems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

व्हेल ऑप्टिमाइज़ेशन एल्गोरिदम (WOA) एक लोकप्रिय मेटाहेयुरिस्टिक एल्गोरिदम है जो हम्पबैक व्हेल के बबल-नेट हंटिंग व्यवहार से प्रेरित है। प्रभावी होने के बावजूद, मानक WOA कई महत्वपूर्ण सीमाओं से ग्रस्त है:

• असामयिक अभिसरण (Premature Convergence): यह स्थानीय इष्टतम (local optima) में फंसने की प्रवृत्ति रखता है, विशेष रूप से उच्च-आयामी और मल्टी-मोडल समस्याओं में।
• कम खोज विविधता (Weak Search Diversity): जनसंख्या अक्सर बाद के इटरेशन में विविधता खो देती है, जिससे ठहराव (stagnation) आ जाता है।
• असंतुलित अन्वेषण/दोहन (Imbalanced Exploration/Exploitation): अभिसरण कारक $a$ का मानक रैखिक क्षय (linear decay), वैश्विक अन्वेषण (global exploration) और स्थानीय दोहन (local exploitation) के बीच एक कठोर संक्रमण बनाता है, जो जटिल खोज परिदृश्यों के अनुकूल नहीं हो पाता है।
• आरंभीकरण संबंधी मुद्दे (Initialization Issues): पारंपरिक छद्म-यादृच्छिक (pseudo-random) आरंभीकरण के परिणामस्वरूप अक्सर असमान जनसंख्या वितरण होता है, जिससे क्लस्टरिंग और अंध खोज क्षेत्र उत्पन्न होते हैं।

यह शोध पत्र इन कमियों को दूर करने के लिए एक मजबूत, उन्नत संस्करण प्रस्तावित करने का लक्ष्य रखता है जो जटिल निरंतर अनुकूलन समस्याओं, पथ नियोजन कार्यों और बाधित इंजीनियरिंग डिजाइन समस्याओं को हल करने में सक्षम है।

2. कार्यप्रणाली: CICDWOA

प्रस्तावित Collective Cognitive Sharing Whale Optimization Algorithm with Cauchy Inverse Cumulative Distribution (CICDWOA) मानक WOA को पुनर्गठित करने के लिए पांच मुख्य तंत्र पेश करता है:

A. गुड नोड्स सेट (GNS) आरंभीकरण

छद्म-यादृच्छिक आरंभीकरण के बजाय, CICDWOA गुड नोड्स सेट विधि (संख्या सिद्धांत पर आधारित) का उपयोग करता है।

• तंत्र: एक आयामी-स्वतंत्र अनुक्रम उत्पन्न करता है जहाँ किसी भी उप-स्थान (subspace) पर प्रोजेक्शन एकसमान होता है।
• लाभ: यह खोज स्थान में प्रारंभिक व्यक्तियों का अत्यधिक एकसमान वितरण सुनिश्चित करता है, जिससे क्लस्टरिंग प्रभाव कम होता है और वैश्विक अन्वेषण के लिए एक उच्च-गुणवत्ता वाला शुरुआती बिंदु प्राप्त होता है।

B. सामूहिक संज्ञानात्मक साझाकरण (Collective Cognitive Sharing - CCS) तंत्र

यह तंत्र 'शिकार की खोज' (Search for Prey) चरण को संशोधित करता है ताकि यादृच्छिक व्यक्तिगत चयन के स्थान पर सामूहिक बुद्धिमत्ता का उपयोग किया जा सके।

• तंत्र: व्यक्ति अपने स्थान को ग्लोबल बेस्ट (लीडर) और जनसंख्या माध्य स्थिति (Population Mean Position) के भारित संयोजन के आधार पर अपडेट करते हैं।
• सूत्र: $X(t+1) = \frac{1}{2}(X(t) + X_{mean}(t)) + G(t) \cdot |\alpha \cdot X(t) - X^*(t)|$
• लाभ: यह सूचना उपयोग और समूह सहयोग को बढ़ाता है, जिससे जनसंख्या को बिना दिशा के बिखरने से रोका जा सकता है और विविधता बनाए रखते हुए अभिसरण की दिशात्मकता में सुधार होता है।

C. एडेप्टिव एक्सपोनेंशियल स्पाइरल (Adaptive Exponential Spiral - AES) तंत्र

यह मानक WOA के रैखिक घेराव (linear encircling) तंत्र को प्रतिस्थापित करता है।

• तंत्र: एक एक्सपोनेंशियल टर्म और कोसाइन फंक्शन द्वारा नियंत्रित गैर-रैखिक स्पाइरल प्रक्षेपवक्र (trajectory) पेश करता है। स्टेप साइज को इटरेशन काउंट द्वारा गतिशील रूप से नियंत्रित किया जाता है।
• लाभ: यह मूल WOA की रैखिक सीमा को तोड़ता है, जिससे व्यक्तियों को उच्च लचीलेपन और आवधिक विचलन (periodic deviations) के साथ इष्टतम समाधान के करीब पहुँचने की अनुमति मिलती है, जो स्थानीय इष्टतम से बचने में मदद करता है।

D. कॉची इनवर्स क्यूमुलेटिव डिस्ट्रीब्यूशन (CICD) के साथ संवर्धित स्पाइरल अपडेटिंग

यह वैश्विक अन्वेषण को मजबूत करने के लिए "स्पाइरल अपडेटिंग" चरण में सुधार करता है।

• तंत्र: लीडर की स्थिति को विक्षोभ (perturb) देने के लिए कॉची इनवर्स क्यूमुलेटिव डिस्ट्रीब्यूशन लागू करता है। कॉची वितरण के हेवी-टेल्ड (heavy-tailed) गुण लंबी दूरी के अन्वेषण (large jumps) की अनुमति देते हैं, जबकि स्थानीय परिशोधन के लिए छोटे विक्षोभ बनाए रखते हैं।
• जड़त्व भार (Inertia Weight): एक सिग्मॉइड-आधारित एडेप्टिव जड़त्व भार ($\omega$) पेश करता है जो कम से शुरू होता है (अन्वेषण को प्राथमिकता देता है) और बाद के चरणों में तेजी से बढ़ता है (दोहन को प्राथमिकता देता है)।
• लाभ: यह स्थानीय इष्टतम से बचने की संभावना को काफी बढ़ाता है और अन्वेषण एवं दोहन के बीच संक्रमण को संतुलित करता है।

E. हाइब्रिड गॉसियन-कॉची उत्परिवर्तन (डिफरेंशियल इवोल्यूशन पर आधारित)

इसे ठहराव को रोकने के लिए मध्य-से-देर के चरणों में लागू किया जाता है।

• तंत्र: यह मध्यवर्ती समाधान उत्पन्न करने के लिए एक डिफरेंशियल इवोल्यूशन (DE) रणनीति का उपयोग करता है, जिसके बाद एक उत्परिवर्तन ऑपरेटर आता है जो गॉसियन (सूक्ष्म स्थानीय खोज के लिए) और कॉची (मोटे स्तर के वैश्विक जंप के लिए) वितरणों को जोड़ता है।
• लाभ: यह मल्टी-स्केल विक्षोभ प्रदान करता है, यह सुनिश्चित करता है कि एल्गोरिदम स्थानीय रूप से समाधानों को परिष्कृत कर सके और साथ ही गहरे स्थानीय इष्टतम से बाहर निकलने की क्षमता भी बनाए रखे।

F. गैर-रैखिक एडेप्टिव अभिसरण कारक (Nonlinear Adaptive Convergence Factor)

यह कारक $a$ के रैखिक क्षय को एक गैर-रैखिक सिग्मॉइड-आधारित फंक्शन से बदल देता है।

• लाभ: यह खोज चरणों के बीच अधिक स्वाभाविक और अनुकूलन योग्य संक्रमण की अनुमति देता है, जिससे शुरुआती और अंतिम चरणों में मजबूती बनाए रखते हुए मध्य चरणों में अभिसरण तेज होता है।

3. प्रमुख योगदान

1. एल्गोरिदम नवाचार: GNS आरंभीकरण, CCS, AES, CICD और हाइब्रिड म्यूटेशन को एकीकृत करने वाला एक नया WOA वेरिएंट, CICDWOA प्रस्तावित करता है।
2. सैद्धांतिक ढांचा: एक "सामूहिक संज्ञानात्मक" (Collective Cognitive) प्रतिमान स्थापित करता है जहाँ जनसंख्या माध्य सूचना व्यक्तिगत अपडेट का मार्गदर्शन करती है, जो व्यक्तिगत शिक्षण और समूह सहमति के बीच के अंतर को पाटती है।
3. व्यापक मूल्यांकन: एल्गोरिदम को चार अलग-अलग डोमेन में मान्य किया गया है:
   • 23 मानक बेंचमार्क फंक्शन (Unimodal, Multimodal, Fixed-dimension)।
   • 2D रोबोट पाथ प्लानिंग (बाधा निवारण)।
   • 3D UAV पाथ प्लानिंग (गतिशील बाधाएं और ऊंचाई अनुकूलन)।
   • 10 बाधित इंजीनियरिंग डिजाइन समस्याएं (जैसे, स्पीड रिड्यूसर, I-बीम, गैस कंप्रेसर)।
4. ओपन सोर्स: पुनरुत्पादकता (reproducibility) सुनिश्चित करने के लिए कोड और बेंचमार्क डेटा सार्वजनिक रूप से उपलब्ध कराया गया है।

4. प्रयोगात्मक परिणाम

CICDWOA के प्रदर्शन की तुलना शास्त्रीय WOA, अन्य WOA वेरिएंट्स (MWOA, IWOA, आदि) और अत्याधुनिक मेटाहेयुरिस्टिक्स (GWO, AROA, IPSO, आदि) के विरुद्ध की गई।

• बेंचमार्क फंक्शन्स:

  • सभी परीक्षण किए गए एल्गोरिदम में सर्वश्रेष्ठ औसत फ्राइडमैन रैंक 1.6790 प्राप्त की।
  • 23 बेंचमार्क फंक्शन पर काफी तेज़ अभिसरण और उच्च सटीकता प्रदर्शित की।
  • सांख्यिकीय परीक्षणों (Wilcoxon rank-sum) ने पुष्टि की कि CICDWOA की श्रेष्ठता सांख्यिकीय रूप से महत्वपूर्ण है।

• पाथ प्लानिंग (2D और 3D):

  • 2D रोबोट: उच्च बाधा घनत्व वाले जटिल वातावरण में, CICDWOA ने सबसे कम मानक विचलन के साथ सबसे कम औसत पथ लंबाई (जैसे, Map 4 में 29.5550 के मुकाबले 28.6140) प्राप्त की, जो बेहतर स्थिरता सिद्ध करती है।
  • 3D UAV: गतिशील बाधाओं को सफलतापूर्वक पार करते हुए, सर्वोत्तम ऑब्जेक्टिव वैल्यू (76.95) और न्यूनतम मानक विचलन (1.83) के साथ सर्वश्रेष्ठ प्रदर्शन किया।

• इंजीनियरिंग डिजाइन:

  • 10 बाधित इंजीनियरिंग समस्याओं (जैसे, सॉ मिल ऑपरेशन, रिएक्टर नेटवर्क, इंडस्ट्रियल रेफ्रिजरेशन सिस्टम) को हल किया।
  • परिशुद्धता: कई मामलों में (जैसे, मल्टीपल डिस्क क्लच ब्रेक, थ्री-बार ट्रस), CICDWOA ने शून्य मानक विचलन के साथ सैद्धांतिक वैश्विक इष्टतम तक पहुँच प्राप्त की।
  • मजबूती: रिएक्टर नेटवर्क और इंडस्ट्रियल रेफ्रिजरेशन सिस्टम जैसी अत्यधिक गैर-रैखिक समस्याओं में, CICDWOA ने प्रतिस्पर्धियों से कई गुना बेहतर प्रदर्शन किया (जैसे, रिएक्टर नेटवर्क में 12.19 के अगले सर्वश्रेष्ठ मान के मुकाबले 0.00001 का ऑब्जेक्टिव वैल्यू प्राप्त करना)।

5. महत्व और निष्कर्ष

• सामान्यीकरण (Generalizability): CICDWOA एक बहुमुखी ढांचा सिद्ध होता है जो अनियंत्रित गणितीय कार्यों और अत्यधिक बाधित, वास्तविक दुनिया की इंजीनियरिंग समस्याओं दोनों के लिए प्रभावी है।
• अन्वेषण/दोहन का संतुलन: सामूहिक संज्ञानात्मक साझाकरण और कॉची-आधारित विक्षोभ का संयोजन "नो फ्री लंच" (No Free Lunch) ट्रेड-ऑफ को सफलतापूर्वक हल करता है, जो शुरुआती चरणों में उच्च विविधता बनाए रखते हुए बाद में सटीक अभिसरण सुनिश्चित करता है।
• व्यावहारिक प्रभाव: यह एल्गोरिदम स्वायत्त नेविगेशन, संरचनात्मक डिजाइन और ऊर्जा प्रणाली अनुकूलन जैसे जटिल औद्योगिक अनुप्रयोगों के लिए एक विश्वसनीय उपकरण प्रदान करता है, जहाँ स्थानीय इष्टतम में फंसना महत्वपूर्ण आर्थिक या सुरक्षा हानि का कारण बन सकता है।
• ट्रेड-ऑफ: शोध पत्र अतिरिक्त तंत्रों के कारण मानक WOA की तुलना में थोड़े बढ़े हुए कम्प्यूटेशनल समय (15-25% अधिक) को स्वीकार करता है, लेकिन तर्क देता है कि समाधान की गुणवत्ता और स्थिरता में भारी लाभ की तुलना में यह नगण्य है।

संक्षेप में, CICDWOA मेटाहेयुरिस्टिक अनुकूलन में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है, जो जटिल, मल्टी-मोडल और बाधित इंजीनियरिंग चुनौतियों के लिए एक मजबूत, उच्च-परिशुद्धता समाधान प्रदान करता है।