Domination Metric Dimension of Graph Classes and Its Application to Electric Logistics Network Optimization

एक ऐसे शहर की कल्पना करें जहाँ हर सड़क का कोना, गोदाम और चार्जिंग स्टेशन एक मानचित्र पर एक बिंदु है, जो सड़कों द्वारा जुड़े हुए हैं जो एक विशाल, जटिल जाल बनाते हैं। इस जाल में कुशलतापूर्वक नेविगेट करने के लिए, विशेष रूप से सीमित बैटरी जीवन वाले इलेक्ट्रिक डिलीवरी ट्रकों के लिए, ड्राइवरों और कंप्यूटरों को यह जानने की आवश्यकता है कि वे वास्तव में कहाँ हैं और ऊर्जा बर्बाद किए बिना अपने गंतव्य तक कैसे पहुँचें। गणित की दुनिया में, इस जाल को एक 'ग्राफ' कहा जाता है, और बिंदुओं को 'शीर्ष' (vertices) कहा जाता है। दशकों से, गणितज्ञों ने इस नेटवर्क के प्रत्येक एकल बिंदु को पहचान करने के लिए न्यूनतम संभव संदर्भ बिंदुओं का उपयोग करने के अध्ययन किया है। उन्होंने पाया कि यदि आप विशेष स्थानों का एक छोटा समूह चुनते हैं, तो आप शहर के किसी भी अन्य स्थान से उन विशेष बिंदुओं तक की दूरी को माप सकते हैं। यदि प्रत्येक स्थान के लिए दूरियों का पैटर्न अद्वितीय है, तो आप पूरे मानचित्र को देखे बिना सटीक रूप से पता लगा सकते हैं कि आप कहाँ हैं। इस अवधारणा को 'मीट्रिक डायमेंशन' (metric dimension) के रूप में जाना जाता है।

हालाँकि, केवल यह जानना कि आप कहाँ हैं, वास्तविक दुनिया के नेटवर्क के लिए पर्याप्त नहीं है। एक लॉजिस्टिक्स प्रणाली में, आपको यह भी सुनिश्चित करने की आवश्यकता है कि नेटवर्क का प्रत्येक भाग नियंत्रण या "कवरेज" के अधीन हो, जिसका अर्थ है कि कोई भी स्थान निर्णय लेने वाले केंद्र से बहुत दूर न हो। यह आवश्यकता जटिलता की एक परत जोड़ देती है: संदर्भ बिंदुओं को न केवल प्रत्येक स्थान की पहचान करनी चाहिए, बल्कि प्रभावी ढंग से प्रबंधन करने के लिए अन्य सभी स्थानों के पर्याप्त करीब भी होना चाहिए। पहचान करने और नेटवर्क को कवर करने की यह संयुक्त प्रक्रिया जिसे शोधकर्ता 'डोमिनेशन मीट्रिक डायमेंशन' (domination metric dimension) कहते हैं, एक सरल लेकिन कठिन प्रश्न पूछती है: एक नेटवर्क में प्रत्येक स्थान को विशिष्ट रूप से पहचानने और यह सुनिश्चित करने के लिए न्यूनतम कितने रणनीतिक बिंदुओं की आवश्यकता है कि प्रत्येक स्थान एक बिंदु के ठीक बगल में हो?

मिस्र के शोधकर्ताओं की एक टीम ने इस प्रश्न पर गहराई से ध्यान केंद्रित करते हुए, विशिष्ट प्रकार के नेटवर्क आकारों का अध्ययन किया जो सिद्धांत और व्यवहार दोनों में अक्सर दिखाई देते हैं। उन्होंने उन संरचनाओं की जांच की जो एक 'कोन' (cone) की तरह दिखते हैं, जहाँ एक केंद्रीय केंद्र एक रिंग के बिंदुओं से जुड़ता है; 'टैडपोल' (tadpole) जैसे आकार, जिसमें एक छोर पर लूप और एक लंबी पूंछ होती है; और एक मुख्य पथ से छोटी लूप या रेखाओं को जोड़ने से बने जटिल नेटवर्क। प्रत्येक आकार के लिए, टीम ने आवश्यक न्यूनतम रणनीतिक बिंदुओं को निर्धारित करने के लिए सटीक सूत्र तैयार किए। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने कठोर गणितीय प्रमाण प्रदान किए ताकि यह सिद्ध हो सके कि उनके द्वारा दिए गए अंक पूर्णतः न्यूनतम हैं। उदाहरण के लिए, उन्होंने पाया कि एक शंकु के आकार के नेटवर्क के लिए, आवश्यक बिंदुओं की संख्या केवल रिंग पर मौजूद बिंदुओं की संख्या प्लस एक है। एक टैडपूल आकार के लिए, यह पूंछ की लंबाई पर निर्भर करता है और एक सटीक पैटर्न का पालन करता है। ये निष्कर्ष गणितीय ज्ञान के एक अंतराल को भरते हैं, क्योंकि पिछले अध्ययन पूरे नेटवर्क को कवर करने की अतिरिक्त आवश्यकता के बिना केवल बिंदुओं को पहचानने की क्षमता पर केंद्रित थे।

शोधकर्ताओं ने इन अमूर्त गणितीय परिणामों को एक बहुत ही व्यावहारिक समस्या पर लागू किया: इलेक्ट्रिक लॉजिस्टिक्स नेटवर्क का अनुकूलन। इलेक्ट्रिक डिलीवरी वाहनों को अनूठी चुनौतियों का सामना करना पड़ता है, जैसे सीमित बैटरी क्षमता और चार्जिंग स्टेशनों को जल्दी से खोजने की आवश्यकता। पारंपरिक रूटिंग विधियाँ अक्सर पूरे शहर के प्रत्येक सड़क और चौराहे को देखने का प्रयास करती हैं, जो धीमा और गणनात्मक रूप से भारी हो सकता है, विशेष रूप से जैसे-जैसे नेटवर्क बढ़ता है। टीम ने उनके डोमिनेशन मीट्रिक डायमेंशन निष्कर्षों का उपयोग करके इस समस्या को संभालने का एक नया तरीका प्रस्तावित किया। पूरे शहर को एक विशाल, जटिल मानचित्र के रूप में मानने के बजाय, उन्होंने अपने गणितीय सूत्रों के आधार पर 'एंकर' (anchor) स्थानों के एक छोटे समूह को चुनने का सुझाव दिया। ये एंकर नेटवर्क के लिए एक कंकाल के रूप में कार्य करते हैं। इसके बाद, शहर के प्रत्येक अन्य स्थान को इन कुछ एंकरों के सापेक्ष दूरी द्वारा सरल रूप से वर्णित किया जाता है।

यह दृष्टिकोण समस्या को नाटकीय रूप से सरल बनाता है। नेटवर्क को चुनिकी बिंदुओं के सापेक्ष दूरियों के एक सेट में कम करके, कंप्यूटर को मार्ग खोजने के लिए पूरे मानचित्र को संसाधित करने की आवश्यकता नहीं होती है। शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए 50 से 500 स्थानों वाले लॉजिस्टिक्स नेटवर्क के सिमुलेशन का उपयोग किया। इन परीक्षणों में, उन्होंने अपने नए तरीके की तुलना डाइक्स्ट्रा (Dijkstra) और ए* (A*) जैसे मानक रूटिंग एल्गोरिदम से की, जो सबसे छोटा रास्ता खोजने के लिए उद्योग मानक हैं। परिणामों ने दिखाया कि जबकि नए तरीके ने मानक तरीकों के समान लंबाई के मार्ग बनाए, यह गणना करने में काफी तेज़ था। एक विशिष्ट परीक्षण में, नए दृष्टिकोण ने मार्ग की गणना करने में लगने वाले समय को 92 मिलीसेकंड से घटाकर केवल 29 मिलीसेकंड कर दिया, जो आधे से अधिक की कमी है। इसके अलावा, समान यात्रा के लिए नए तरीके ने कम ऊर्जा का उपभोग किया, जो 18.4 किलोवाट-घंटे से गिरकर 16.2 किलोवाट-घंटे हो गया।

अध्ययन ने यह भी देखा कि जैसे-जैसे नेटवर्क बड़ा होता है, यह विधि कैसे स्केल करती है। जब स्थानों की संख्या 50 से बढ़कर 500 हो गई, तो रणनीतिक एंकर बिंदुओं की संख्या बहुत धीमी गति से 9 से 37 तक बढ़ी। इसका अर्थ यह है कि भले ही शहर का लॉजिस्टिक्स नेटवर्क विस्तृत हो जाए, नेविगेशन प्रणाली की जटिलता विस्फोट नहीं करती है। नेटवर्क प्रबंधनीय रहता है क्योंकि संदर्भ बिंदुओं की संख्या कुल आकार के सापेक्ष छोटी बनी रहती है। शोधकर्ताओं ने प्रदर्शित किया कि यह संरचनात्मक कमी तेज़ निर्णय लेने और डिलीवरी ज़ोन के बेहतर क्लस्टरिंग की अनुमति देती है, जो इलेक्ट्रिक वाहनों के लिए महत्वपूर्ण है जिन्हें बैटरी जीवन बचाने के लिए यात्रा की दूरी को कम करने की आवश्यकता होती है।

हालांकि विशिष्ट ग्राफ आकृतियों के लिए गणितीय प्रमाण निर्णायक हैं, लेकिन वास्तविक दुनिया के इलेक्ट्रिक लॉजिस्टिक्स में इनका अनुप्रयोग वर्तमान में लाइव ट्रैफिक डेटा के बजाय कंप्यूटर सिमुलेशन द्वारा समर्थित है। शोधकर्ता स्वीकार करते हैं कि अगला कदम इन विधियों को गतिशील, वास्तविक समय के वातावरण में इलेक्ट्रिक वाहनों के वास्तविक बेड़े पर परखना होगा। वे सुझाव देते हैं कि भविष्य के कार्य में रूटिंग को और अधिक अनुकूल बनाने के लिए वास्तविक समय के ट्रैफिक अपडेट और मशीन लर्निंग को एकीकृत किया जा सकता है। फिर भी, यह कार्य ग्राफ थ्योरी की एक सैद्धांतिक अवधारणा और आधुनिक परिवहन के एक मूर्त समाधान के बीच एक स्पष्ट संबंध स्थापित करता है। यह सिद्ध करके कि बिंदुओं का एक छोटा, सावधानीपूर्वक चुना गया सेट नेटवर्क को पहचान भी सकता है और कवर भी कर सकता है, शोधकर्ताओं ने इलेक्ट्रिक लॉजिस्टिक्स को तेज़, अधिक कुशल और इलेक्ट्रिक वाहनों की सीमाओं के लिए बेहतर बनाने हेतु एक नया उपकरण प्रदान किया है।