💻 computer science

Accumulated-History Replicator SelectionOptimization: Algorithm Design, TheoreticalGrounding, and Experimental Analysis (MycelialNetwork Optimization)

यह शोध पत्र संचित-इतिहास प्रतिकृति चयन (Accumulated-History Replicator Selection - AHRS) ढांचे और इसके माइसेलियल नेटवर्क ऑप्टिमाइजेशन (Mycelial Network Optimization - MNO) एल्गोरिदम को प्रस्तुत करता है, जो जटिल, गैर-पृथकरणीय परिदृश्यों (non-separable landscapes) पर मानक जनसंख्या-आधारित अनुकूलकों से बेहतर प्रदर्शन करने के लिए घातीय भारित ऐतिहासिक फिटनेस डेटा का लाभ उठाते हैं, जबकि वे विकासवादी खेल सिद्धांत (evolutionary game theory) और फिशर के मौलिक प्रमेय (Fisher's Fundamental Theorem) में सैद्धांतिक रूप से आधारित हैं।

मूल लेखक: Rahul Kumar Mishra

प्रकाशित 2026-07-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rahul Kumar Mishra

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "एक्युमुलेटेड-हिस्ट्री रेप्लिकेटर सिलेक्शन ऑप्टिमाइजेशन" (Accumulated-History Replicator Selection Optimization) शोध पत्र का सरल भाषा और रोजमर्रा के उदाहरणों के साथ हिंदी अनुवाद दिया गया है।

मुख्य विचार: आखिरी पन्ने से पूरी किताब का न्याय न करें

कल्पना कीजिए कि आप एक विशाल, धुंधले पहाड़ी क्षेत्र में सबसे गहरी घाटी खोजने के लिए खोजकर्ताओं (explorers) की एक टीम को काम पर रख रहे हैं।

अधिकांश वर्तमान एल्गोरिदम कैसे काम करते हैं ( "स्नैपशॉट" दृष्टिकोण):
अधिकांश मानक खोज एल्गोरिदम (जैसे पार्टिकल स्वार्म ऑप्टिमाइजेशन या डिफरेंशियल इवोल्यूशन) एक ऐसे बॉस की तरह काम करते हैं जो केवल यह देखता है कि एक खोजकर्ता अभी इस वक्त कहाँ है।

यदि खोजकर्ता A वर्तमान में एक पहाड़ी के निचले हिस्से में है, तो उसे एक गोल्ड स्टार मिलता है।
यदि खोजकर्ता B लगातार 50 दिनों तक पहाड़ी के निचले हिस्से में रहा, लेकिन आज गलती से एक कदम ऊपर चढ़ गया, तो उसे नौकरी से निकाल दिया जाता है।
समस्या: यह "कालिक अंधापन" (temporal blindness) है। यह इस तथ्य को नजरअंदाज करता है कि खोजकर्ता B ने साबित कर दिया है कि वह रास्ता जानता है, जबकि खोजकर्ता A शायद सिर्फ एक सेकंड के लिए भाग्यशाली हो सकता है।

यह शोध पत्र क्या प्रस्तावित करता है ("मायसेलियल नेटवर्क" दृष्टिकोण):
लेखक, राहुल कुमार मिश्रा, एक नई विधि पेश करते हैं जिसे मायसेलियल नेटवर्क ऑप्टिमाइजेशन (MNO) कहा जाता है। यह इस बात से प्रेरित है कि कवक (मशरूम/fungi) जमीन के नीचे कैसे बढ़ते हैं। कवक केवल उस मिट्टी पर प्रतिक्रिया नहीं देते जिसे वे अभी छू रहे हैं; वे समय के साथ एक नेटवर्क बनाते हैं, पोषक तत्वों को संचित करते हैं और याद रखते हैं कि अच्छा भोजन कहाँ था।

इस नए एल्गोरिदम में, प्रत्येक खोजकर्ता एक "संसाधन बैकपैक" (जिसे $R_i$ कहा जाता है) लेकर चलता है।

बैकपैक का नियम: केवल आज के स्कोर को देखने के बजाय, बैकपैक इस आधार पर भरता है कि खोजकर्ता समय के साथ कितना अच्छा रहा है। यदि कोई खोजकर्ता कई दिनों तक एक अच्छी जगह पर रहता है, तो उसका बैकपैक "संसाधनों" से भारी हो जाता है। यदि वह किसी खराब जगह पर भटक जाता है, तो बैकपैक धीरे-धीरे खाली होने लगता है।
उत्तरजीविता (Survival): खेल में बने रहने के लिए, आपके पास भरा हुआ बैकपैक होना चाहिए। यदि आपका बैकपैक खाली है (क्योंकि आपका समय खराब चल रहा है), तो आपको हटा दिया जाता है। यदि यह भरा हुआ है (क्योंकि आप लगातार अच्छे रहे हैं), तो आप बने रहते हैं, भले ही आज आप लड़खड़ा जाएं।
"फंगल" जुड़ाव: एल्गोरिदम इस बात की नकल करता है कि कवक कैसे पोषक तत्वों को साझा करते हैं। यदि दो खोजकर्ता मानचित्र के एक ही "पड़ोस" में हैं, तो वे अपने बैकपैक संसाधनों को साझा कर सकते हैं। जिसके पास अधिक संसाधन हैं, वह कम संसाधन वाले की मदद करता है, जिससे उसे बेहतर क्षेत्रों की ओर निर्देशित किया जा सके।

यह कैसे काम करता है: दो मुख्य चालें

शोध पत्र में दो विशिष्ट चालों का वर्णन किया गया है जो खोजकर्ता अपने बैकपैक के आधार पर चलते हैं:

साइटोप्लाज्मिक स्ट्रीमिंग (स्मृति अपडेट - The Memory Update):
- उदाहरण: इसे अपनी प्रतिष्ठा के लिए एक "स्लो-कुकर" (धीमी गति से पकने वाला उपकरण) के रूप में सोचें। आपका वर्तमान प्रदर्शन आपके पिछले प्रदर्शन के साथ मिश्रित होता है। एक बुरा दिन तुरंत आपकी प्रतिष्ठा को खराब नहीं करता है, और एक अच्छा दिन तुरंत आपको नायक नहीं बनाता है। अपनी स्थिति बनाने या खोने में समय लगता है।
- गणित: शोध पत्र यह सिद्ध करता है कि यह "स्लो-कुकर" नियम जीव विज्ञान के एक प्रसिद्ध समीकरण के गणितीय रूप से समान है जिसे रेप्लिकेटर इक्वेशन कहा जाता है। इसका मतलब है कि एल्गोरिदम केवल एक तुक्का नहीं है; यह प्रमाणित गणितीय सिद्धांत पर आधारित है कि आबादी कैसे विकसित होती है।
फिटनेस-प्रॉक्सिमिटी एनास्टोमोसिस (साझाकरण - The Sharing):
- उदाहरण: कल्पना कीजिए कि दो हाइकर जो समान दिखने वाले इलाके में खड़े हैं। वे अपने बैकपैक की तुलना करते हैं। भरा हुआ बैकपैक वाला हाइकर (अनुभवी व्यक्ति) खाली बैकपैक वाले हाइकर के साथ कुछ सामान साझा करता है, और फिर वे दोनों उस दिशा में एक कदम आगे बढ़ते हैं जो सबसे अधिक आशाजनक लगती है।
- परिणाम: यह समूह को कुशलतापूर्वक एक साथ आगे बढ़ने में मदद करता है, बजाय इसके कि हर कोई बेतरतीब ढंग से इधर-उधर दौड़ता रहे।

प्रयोगों ने क्या दिखाया

लेखक ने इस नए "फंगल एक्सप्लोरर" तरीके का परीक्षण 7 अन्य प्रसिद्ध खोज विधियों (जैसे PSO, DE, और SHADE) के विरुद्ध 20 अलग-अलग गणितीय पहेलियों और 6 वास्तविक इंजीनियरिंग समस्याओं (जैसे स्प्रिंग या प्रेशर वेसल डिजाइन करना) पर किया।

जहाँ यह जीतता है ( "ऊबड़-खाबड़ इलाके" में):

दावा: MNO उन समस्याओं को हल करने में बहुत बेहतर है जहाँ परिदृश्य "उबड़-खाबड़" और जुड़ा हुआ (non-separable) होता है।
उदाहरण: एक ऊबड़-खाबड़ पहाड़ी श्रृंखला में जहाँ आपको एक घुमावदार घाटी का अनुसरण करना होता है, MNO बड़ी जीत हासिल करता है। इसने एक विशिष्ट परीक्षण (रोसेन्ब्रोक फंक्शन) पर मानक "स्नैपशॉट" पद्धति की तुलना में 1,400 गुना बेहतर समाधान खोजा।
क्यों: क्योंकि MNO रास्ता याद रखता है। वह जानता है कि कभी-कभी एक छोटा कदम ऊपर की ओर लेने के बावजूद, घाटी में बने रहना बेहतर है।

जहाँ यह हारता है ( "चिकनी ढलान" पर):

दावा: चिकनी, सरल पहाड़ियों पर जहाँ वर्तमान स्थिति ही सब कुछ बताती है जिसकी आपको आवश्यकता है, MNO शीर्ष-स्तरीय एडेप्टिव एल्गोरिदम (जैसे SHADE या JADE) की तुलना में धीमा है।
उदाहरण: यदि आप एक पूरी तरह से चिकनी, सीधी स्लाइड पर नीचे उतर रहे हैं, तो आपको यह जानने के लिए पिछले 50 कदमों की स्मृति की आवश्यकता नहीं है कि नीचे की दिशा कौन सी है। "स्नैपशॉट" विधियाँ यहाँ तेज़ हैं क्योंकि वे इतिहास की गणना करने में समय बर्बाद नहीं करती हैं।
निष्कर्ष: लेखक इस सीमा को स्वीकार करते हैं। आप हर चीज़ में सर्वश्रेष्ठ नहीं हो सकते (एक अवधारणा जिसे "नो फ्री लंच" थ्योरम कहा जाता है)। MNO विशेष रूप से जटिल, अव्यवस्थित समस्याओं के लिए डिज़ाइन किया गया है जहाँ इतिहास मायने रखता है।

इंजीनियरिंग परीक्षण

शोध पत्र ने MNO का वास्तविक दुनिया की डिजाइन समस्याओं पर भी परीक्षण किया:

स्प्रिंग डिजाइन: इसने मानव-निर्मित सर्वोत्तम ज्ञात स्प्रिंग के लगभग बराबर (0.4% अंतर के भीतर) डिजाइन पाया।
इकोनॉमिक लोड डिस्पैच: इसने लगभग सटीक गणितीय उत्तर से मेल खाया।
वेल्डेड बीम: यह यहाँ कम सफल रहा (23% की कमी), लेकिन लेखक का कहना है कि यह संभवतः परीक्षण के विशिष्ट नियमों के कारण है, न कि एल्गोरिदम के कारण।

एक वाक्य में सारांश

यह शोध पत्र एक नया खोज एल्गोरिदम पेश करता है जो एक कवक (fungus) की तरह कार्य करता है, जो केवल वर्तमान क्षण के बजाय खोजकर्ता के दीर्घकालिक प्रदर्शन को याद रखने के लिए एक "मेमोरी बैकपैक" का उपयोग करता है, जो इसे उन जटिल, ऊबड़-खाबड़ खोज परिदृश्यों में अविश्वसनीय रूप से सक्षम बनाता है जहाँ अन्य विधियाँ खो जाती हैं।

तकनीकी सारांश: संचित-इतिहास प्रतिकृति चयन अनुकूलन (मायसेलियल नेटवर्क अनुकूलन)

1. समस्या विवरण

जनसंख्या-आधारित अनुकूलन एल्गोरिदम (जैसे, पार्टिकल स्वार्म ऑप्टिमाइजेशन, डिफरेंशियल इवोल्यूशन) आमतौर पर एक "स्मृतिहीन" (memoryless) चयन तंत्र का उपयोग करते हैं। इन प्रणालियों में, किसी उम्मीदवार समाधान का अगली पीढ़ी में जीवित रहना केवल समय $t$ पर उसके तात्कालिक फिटनेस द्वारा निर्धारित होता है। यह डिज़ाइन सभी ऐतिहासिक प्रदर्शन डेटा को त्याग देता है, और एक ऐसे एजेंट को जो पचास पुनरावृत्तियों तक लगातार शीर्ष दशमक (top decile) में रहा है, उस नए उत्पन्न एजेंट के समान मानता है जिसका वर्तमान फिटनेस मामूली रूप से बेहतर है।

यह शोध पत्र तर्क देता है कि यह 'अस्थायी अंधापन' (temporal blindness) एक महत्वपूर्ण संकेत को खो देता है: समय के साथ गुणवत्ता की निरंतरता (persistence of quality)। जबकि तात्कालिक फिटनेस सुचारू, विभाज्य परिदृश्यों (separable landscapes) के लिए पर्याप्त है, यह उन संरचित, गैर-विभाज्य परिदृश्यों में निहित ज्यामितीय जानकारी को पकड़ने में विफल रहती है जहाँ पिछला प्रदर्शन दीर्घकालिक व्यवहार्यता का संकेत देता है। लेखक प्रतिपादित करते हैं कि जैविक चयन प्रणालियाँ इस निरंतरता का लाभ उठाती हैं, और वर्तमान मेटाहेयुरिस्टिक्स के पास इसे करने के लिए कोई औपचारिक रूप से स्थापित तंत्र नहीं है।

को 2. कार्यप्रणाली: मायसेलियल नेटवर्क ऑप्टिमाइजेशन (MNO)

यह शोध पत्र संचित-इतिहास प्रतिकृति चयन (Accumulated-History Replicator Selection - AHRS) ढांचे को प्रस्तुत करता है, जिसे मायसेलियल नेटवर्क ऑप्टिमाइजेशन (MNO) एल्गोरिदम के रूप में लागू किया गया है। कवक मायसेलिया (fungal mycelia) से प्रेरित, जो समय के साथ साइटोप्लाज्मिक संसाधनों को संचित करते हैं और उन्हें एनास्टोमोसिस (anastomosis) के माध्यम से साझा करते हैं, MNO तात्कालिक फिटनेस के स्थान पर एक संचित संसाधन चर (accumulated resource variable) को प्राथमिक उत्तरजीविता मानदंड के रूप में उपयोग करता है।

मुख्य घटक

साइटोप्लाज्मिक स्ट्रीमिंग (संचित-इतिहास चयन):
प्रत्येक एजेंट $i$ एक संसाधन चर $R_i(t)$ बनाए रखता है, जो इसके सामान्यीकृत गुणवत्ता इतिहास $Q_i(t)$ का एक एक्सपोनेंशियल वेटेड मूविंग एवरेज (exponentially weighted moving average) है:
$R_i(t+1) = (1-\gamma)R_i(t) + \gamma Q_i(t)$
जहाँ $\gamma$ स्ट्रीमिंग दर है। यदि किसी एजेंट का संचित संसाधन बजट-निर्भर सीमा से नीचे गिर जाता है, तो उसे हटा दिया जाता है। यह सुनिश्चित करता है कि उत्तरजीविता वर्तमान अवस्था पर नहीं, बल्कि गुणवत्ता के पूर्ण प्रक्षेपवक्र (trajectory) पर निर्भर करती है।
फिटनेस-निकटता एनास्टोमोसिस (Fitness-Proximity Anastomosis):
प्रत्येक तीसरी पुनरावृत्ति में, समान फिटनेस मानों वाले एजेंट (एक निक थ्रेशोल्ड $\delta_a$ के भीतर) संसाधन हस्तांतरण करते हैं। "विजेता" को "हारने वाले" के संसाधनों का एक अंश प्राप्त होता है, जिसके बाद विजेता की ओर एक ग्रीडी कीमोटैक्टिक रिपोजिशनिंग स्टेप (greedy chemotactic repositioning step) किया जाता है। यह समान निक (niche) में स्थित एजेंटों के बीच संसाधन प्रवाह को सुगम बनाता है।
नेचुरल-ग्रेडिएंट स्टेप (Natural-Gradient Step):
गति को संसाधन-भारित नेचुरल-ग्रेडिएंट स्टेप द्वारा निर्देशित किया जाता है। खोज दीर्घवृत्त (search ellipse) को संसाधन भार $p_i = R_i / \sum R_j$ के वितरण के आधार पर उच्च-विचरण आयामों (उत्पादक घाटियों या कटक/ridges) के अनुदिश लंबा किया जाता है।
स्पोरुलेशन (Sporulation):
यदि जनसंख्या अपने आकार के आधे से कम हो जाती है, तो विविधता बनाए रखने के लिए नए एजेंट पेश किए जाते हैं (60% रैंडम, 40% अपोजिशन-बेस्ड)।

3. सैद्धांतिक आधार

शोध पत्र MNO के लिए एक कठोर गणितीय आधार प्रदान करता है, जो इसे विशुद्ध रूप से रूपक (metaphorical) बायो-इंस्पायर्ड एल्गोरिदम से अलग करता है:

इतिहास निर्भरता: प्रमेय 1 सिद्ध करता है कि संसाधन चर $R_i(t)$ एक एजेंट के संपूर्ण पिछले गुणवत्ता प्रक्षेपवक्र के लिए एक पर्याप्त सांख्यिकी (sufficient statistic) है। फलस्वरूप, चयन मानदंड स्मृतिहीन नहीं है; समान तात्कालिक फिटनेस वाले दो एजेंटों के अलग-अलग इतिहास होने पर भी उनकी उत्तरजीविता की संभावना भिन्न होती है।
रेप्लिकेटर समीकरण से संबंध: प्रमेय 2 दर्शाता है कि स्ट्रीमिंग अपडेट का निरंतर-समय सीमा (continuous-time limit) ठीक से रेप्लिकेटर समीकरण (Replicator Equation) के अनुरूप है:
$\frac{dp_i}{dt} = \gamma p_i (Q_i - \bar{Q})$
डिस्क्रीट अपडेट को इस समीकरण के यूलर डिस्क्रीटाइजेशन (Euler discretization) के रूप में दिखाया गया है जिसकी स्थानीय ट्रंकेशन एरर $O(\gamma^2)$ द्वारा सीमित है।
अभिसरण गारंटी (Convergence Guarantee): रेप्लिकेटर समीकरण पर फिशर के मौलिक प्रमेय (Fisher's Fundamental Theorem) को लागू करके, शोध पत्र सिद्ध करता है कि संसाधन-भारित माध्य गुणवत्ता $\bar{Q}(t)$ पूरे रन के दौरान अपेक्षा (expectation) में गैर-घटता (non-decreasing) है।

4. प्रयोगात्मक परिणाम

MNO का मूल्यांकन सात बेसलाइनों (PSO, DE, SHADE, L-SHADE, JADE, ABC, CMA-ES) के विरुद्ध किया गया:

20 शास्त्रीय बेंचमार्क फंक्शन।
15 CEC 2017 फंक्शन (D=30, D=50)।
6 बाधित इंजीनियरिंग डिजाइन समस्याएं।

मुख्य निष्कर्ष

संरचित बनाम विभाज्य परिदृश्य (Structured vs. Separable Landscapes): MNO, गैर-विभाज्य, संरचित फंक्शनों (जैसे, रोसेनब्रॉक, श्वेल्फेल 1.2, ट्रिगोनोमेट्रिक) पर PSO और DE से काफी बेहतर प्रदर्शन करता है। उदाहरण के लिए, रोसेनब्रॉक (30D) पर, MNO ने PSO की तुलना में ~1,400 गुना बेहतर परिणाम प्राप्त किया।
सुचारू फंक्शनों पर प्रदर्शन: सुचारू, विभाज्य फंक्शनों (जैसे, स्फीयर, एकली) पर, MNO पैरामीटर-अनुकूली DE वेरिएंट (SHADE, JADE, L-SHADE) की तुलना में कम प्रदर्शन करता है। लेखक इसका श्रेय 'नो फ्री लंच' (No Free Lunch) प्रमेय को देते हैं, यह नोट करते हुए कि जो तंत्र अस्थायी संरचना का लाभ उठाते हैं, वे उन परिदृश्यों पर लाभ नहीं देते जिनमें ऐसी संरचना का अभाव होता है।
एब्लेशन अध्ययन (Ablation Study): प्रयोगों ने पुष्टि की कि स्ट्रीमिंग ऑपरेटर और एनास्टोमोसिस ऑपरेटर दोनों स्वतंत्र रूप से प्रदर्शन में योगदान करते हैं। संयुक्त एल्गोरिदम ने 15/20 शास्त्रीय फंक्शनों में सुधार किया, जो अकेले या तो ऑपरेटर के प्रदर्शन से बेहतर था।
इंजीनियरिंग अनुप्रयोग: MNO ने स्प्रिंग डिजाइन (0.4% अंतर) और इकोनॉमिक लोड डिस्पैच (0.01% अंतर) पर अत्याधुनिक (state-of-the-art) परिणामों के तुलनीय परिणाम प्राप्त किए। वेल्डेड-बीम समस्या पर एक बड़ा अंतर (23.6%) बाधा प्रबंधन के लिए उपयोग की जाने वाली एक्सटीरियर पेनाल्टी विधि की सीमाओं के कारण था, न कि स्वयं चयन तंत्र के कारण।

5. महत्व और दावे

शोध पत्र अपने नवीनता और महत्व के संबंध में एक विनम्र लेकिन विशिष्ट दावा करता है:

नवीनता: योगदान केवल एक्सपोनेंशियल स्मूथिंग (जो फिटनेस इनहेरिटेंस में मौजूद है) या रेप्लिकेटर समीकरण का उपयोग नहीं है। नवीनता एक विशिष्ट संयोजन में निहित है: व्यक्तिगत रूप से संचित एक्सपोनेंशियल क्वालिटी हिस्ट्री का उपयोग करना और इसे रेप्लिकेटर समीकरण के माध्यम से औपचारिक रूप से विकासवादी गेम थ्योरी से जोड़ना।
सैद्धांतिक योगदान: MNO पहला मेटाहेयुरिस्टिक है जो स्पष्ट रूप से अपने व्यक्तिगत स्तर के चयन तंत्र को औपचारिक रूप से सत्यापित त्रुटि सीमाओं ( $O(\gamma^2)$ ) के साथ रेप्लिकेटर समीकरण के डिस्क्रीटाइजेशन के रूप में प्रस्तुत करता है।
व्यावहारिक निहितार्थ: परिणाम यह पहचानते हैं कि "संचित इतिहास" (accumulated history) एक पहले से अनैकरित (unexploited) चयन सिग्नल है जो विशेष रूप से संरचित, गैर-विभाज्य खोज परिदृश्यों पर प्रभावी है। शोध पत्र सुझाव देता है कि अन्य जनसंख्या-आधारित एल्गोरिदम उत्तरजीविता निर्णयों में टेम्पोरल मेमोरी (temporal memory) को शामिल करके लाभान्वित हो सकते हैं, विशेष रूप से वहां जहां परिदृश्य की ज्यामिति जटिल है।

लेखक स्पष्ट रूप से स्वीकार करते हैं कि MNO सभी मौजूदा विधियों से श्रेष्ठ एक सार्वभौमिक सॉल्वर नहीं है; बल्कि, यह विशिष्ट प्रकार के अनुकूलन समस्याओं के लिए एक सैद्धांतिक रूप से समर्थित विकल्प प्रदान करता है जहाँ गुणवत्ता की अस्थायी निरंतरता (temporal persistence of quality) एक वैध सिग्नल है।