A Statistical Benchmark of Metaheuristic Algorithms for Nonlinear Soil Constitutive Model Calibration

कल्पना कीजिए कि आप एक परम रेत का महल (sandcastle) बनाने की कोशिश कर रहे हैं, लेकिन केवल रेत इकट्ठा करने के बजाय, आप एक डिजिटल वास्तुकार हैं जो ऐसी गगनचुंबी इमारतें, पुल और बांध डिजाइन कर रहे हैं जिन्हें भूकंप और बाढ़ का सामना करना होगा। ऐसा करने के लिए, इंजीनियर यह समझने के लिए शक्तिशाली कंप्यूटर प्रोग्रामों का उपयोग करते हैं कि मिट्टी कैसे व्यवहार करती है। लेकिन इसमें एक पेंच है: मिट्टी एक मूडी और अस्त-व्यस्त सामग्री है। यह केवल वहीं नहीं रहती; यह जटिल, गैर-सीधी तरीकों से दबती है, खिंचती है और बदलती है। कंप्यूटर सिमुलेशन को सटीक बनाने के लिए, इंजीनियरों को इसमें कुछ "गुप्त सामग्रियां" डालनी पड़ती हैं: वे संख्याएं जो यह बताती हैं कि मिट्टी कितनी सख्त है, वह कितनी फूलती है, और कब टूट सकती है।

इन गुप्त संख्याओं को खोजना एक तूफान में रेडियो ट्यून करने जैसा है। आप डायल घुमाते हैं, इस उम्मीद में कि आपको एक स्पष्ट सिग्नल मिलेगा, लेकिन शोर (noise) और हस्तक्षेप (जटिलता) यह जानना कठिन बना देते हैं कि आपने वास्तव में सही स्टेशन खोज लिया है या सिर्फ एक धुंधला स्टेशन जो ठीक लग रहा है। इसे "कैलिब्रेशन" (अंशांकन) कहा जाता है। दशकों तक, इंजीनियरों ने इन संख्याओं को ट्यून करने के लिए या तो परीक्षण-और-त्रुटि (trial-and-error) या कठोर गणितीय नियमों का उपयोग किया है, लेकिन अक्सर वे एक "लोकल पीक" पर फंस जाते हैं—एक ऐसा समाधान जो अच्छा दिखता है लेकिन सबसे अच्छा नहीं है। हाल ही में, "मेटाहेयुरिस्टिक" (metaheuristic) एल्गोरिदम की एक नई लहर आई है। इन्हें प्रकृति से प्रेरित डिजिटल खोजकर्ता मानिए: कुछ पक्षियों के झुंड की तरह कार्य करते हैं, कुछ भेड़ियों के झुंड की तरह, और कुछ हवा में तैरते बादलों की तरह। वे संभावनाओं के परिदृश्य में घूमने के लिए डिज़ाइन किए गए हैं, ताकि वे कीचड़ में फंसे बिना सबसे अच्छे स्थान की तलाश कर सकें। लेकिन इतने सारे नए खोजकर्ताओं के आने के साथ, कोई नहीं जानता था कि मिट्टी के यांत्रिकी (soil mechanics) के कठिन परिदृश्य के लिए वास्तव में सबसे अच्छा मार्गदर्शक कौन सा है।

यह शोध पत्र एक विशाल, व्यवस्थित "एरिना फाइट" (अखाड़े की लड़ाई) है जिसे इस बहस को सुलझाने के लिए बनाया गया है। लेखक, मोहम्मद अलीबाबाई शाहराकी ने तीन अलग-अलग प्रकार के मिट्टी के मॉडलों के विरुद्ध आठ अलग-अलग प्रकृति-प्रेरित एल्गोरिदम का परीक्षण करने के लिए एक निष्पक्ष, वैज्ञानिक टूर्नामेंट आयोजित किया, जो सरल से लेकर अत्यंत जटिल तक हैं। यह सुनिश्चित करने के लिए कि लड़ाई निष्पक्ष हो, लेखक ने वास्तविक, अव्यवस्थित मिट्टी के डेटा का उपयोग नहीं किया (जो अप्रत्याशित त्रुटियों से भरा होता है); इसके बजाय, उन्होंने कंप्यूटर का उपयोग करके "सिंथेटिक" मिट्टी का डेटा बनाया। वे पहले से ही "सच्ची" गुप्त संख्याएं जानते थे और फिर वास्तविक दुनिया की खामियों की नकल करने के लिए एक विशिष्ट मात्रा में स्टैटिक शोर (सिग्नल-टू-नॉइज़ रेशियो 20 dB) जोड़ा। प्रत्येक एल्गोरिदम को छिपी हुई संख्याओं को खोजने के लिए 30 स्वतंत्र अवसर दिए गए, जो समान नियमों और समय सीमाओं के तहत समान परिस्थितियों में चलाए गए।

प्रतियोगिता के परिणामي उत्साहजनक और कुछ मायनों में आश्चर्यजनक थे। पहला, यह पत्र पुष्टि करता है कि कोई "जादुई गोली" (magic bullet) या एक एकल सर्वश्रेष्ठ एल्गोरिदम नहीं है जो हर बार जीतता है। खोजकर्ताओं का प्रदर्शन पूरी तरह से इस बात पर निर्भर था कि मिट्टी का मॉडल कितना जटिल था। सबसे सरल मॉडल (हाइपरबोलिक मॉडल) के लिए, कई एल्गोरिदम समान रूप से प्रदर्शन करते थे, और तुलनात्मक आसानी से उत्तर खोज लेते थे। हालांकि, जैसे-जैसे मॉडल अधिक जटिल होते गए—हाइपरबोलिक से डंकन-चांग मॉडल और अत्यधिक जटिल मॉडिफाइड कैम-क्ले (Modified Cam-Clay) मॉडल की ओर बढ़ते हुए—अंतर स्पष्ट हो गया। कुछ एल्गोरिदम जो सरल कार्यों में महान थे, वे जटिल कार्यों में अपनी पकड़ बनाने के लिए संघर्ष करते दिखे, जबकि अन्य ने अपना आधार बेहतर बनाए रखा।

महत्वपूर्ण रूप से, अध्ययन ने पाया कि एक "कम त्रुटि स्कोर" प्राप्त करने का मतलब (यानी कंप्यूटर का पूर्वानुमान शोर वाले डेटा से अच्छी तरह मेल खाता है) यह नहीं था कि एल्गोरिदम ने वास्तव में सही गुप्त संख्याएं खोज ली थीं। यह "इक्विफाइनलिटी" (equifinality) नामक एक घटना है, जहाँ संख्याओं के विभिन्न संयोजन एक ही परिणाम उत्पन्न कर सकते हैं। यह दो अलग-अलग व्यंजनों द्वारा बिल्कुल एक जैसा केक बनाने जैसा है; सिर्फ इसलिए कि केक का स्वाद सही है, इसका मतलब यह नहीं है कि आपने चीनी की सही मात्रा का उपयोग किया है। पत्र सुझाव देता है कि जटिल मिट्टी के मॉडलों के लिए, हमें केवल अंतिम स्कोर से परे देखना चाहिए और यह जांचना चाहिए कि एल्गोरिदम कितनी निरंतरता से उत्तर खोजता है और अनुमानित संख्याएं सत्य के कितने करीब हैं।

अध्ययन ने लेखक के अपने एल्गोरिदम, क्लाउड ड्रिफ्ट ऑप्टिमाइजेशन (CDO) पर भी विशेष ध्यान दिया, जो बादलों के बहने की नकल करता है। पूर्वाग्रह से बचने के लिए, लेखक ने CDO के साथ अन्य सभी के साथ बिल्कुल समान व्यवहार किया, जिसमें समान सेटिंग्स और नियम लागू किए गए। जटिल मॉडिफाइड कैम-क्ले मॉडल में, CDO ने बहुत अच्छा प्रदर्शन किया, उच्च विश्वसनीयता और निरंतरता दिखाई, और अक्सर पार्टिकल स्वार्म ऑप्टिमाइजेशन (PSO) जैसे पुराने, प्रसिद्ध एल्गोरिदम से बेहतर प्रदर्शन किया, जो उच्च परिवर्तनशीलता के साथ संघर्ष कर रहे थे। हालांकि, पत्र सावधानीपूर्वक यह कहता है कि इसका मतलब यह नहीं है कि CDO ब्रह्मांड की हर समस्या के लिए सार्वभौमिक विजेता है। इसके बजाय, यह एक सांख्यिकीय ढांचा प्रदान करता है जो दिखाता है कि "सर्वश्रेष्ठ" उपकरण विशिष्ट कार्य पर निर्भर करता है।

अंततः, यह पत्र तर्क देता है कि मिट्टी के कैलिब्रेशन के लिए एल्गोरिदम चुनना केवल सबसे चमकदार नाम या सबसे हालिया चर्चा वाले को चुनने के बारे में नहीं है। यह उस मिट्टी की जटिलता को समझने के बारे में है जिसका आप अध्ययन कर रहे हैं। सरल कार्यों के लिए, लगभग कोई भी उपकरण काम कर सकता है। लेकिन भारी-भरकम, जटिल इंजीनियरिंग चुनौतियों के लिए, आपको एक ऐसे एल्गोरिदम की आवश्यकता है जो न केवल सटीक हो, बल्कि मजबूत और दोहराने योग्य (repeatable) भी हो। यह अध्ययन इन उपकरणों का परीक्षण करने का एक नया, कठोर तरीका प्रदान करता है, यह सुनिश्चित करता है कि जब इंजीनियर अगली पीढ़ी के पुलों और बांधों का निर्माण करें, तो वे जिन डिजिटल मानचित्रों पर भरोसा करते हैं, वे ठोस, सांख्यिकीय रूप से सत्यापित आधार पर बने हों।