Chestnut Strategy: A Genetic Algorithm Enhanced by the Natural Life Cycle of the Chestnut Tree*

कंप्यूटर विज्ञान के विशाल परिदृश्य में, एक ऐसा क्षेत्र है जो मशीनों को यह सिखाने के लिए समर्पित है कि प्रकृति के विकास की नकल करके समस्याओं को कैसे हल किया जाए। यह दृष्टिकोण, जिसे जेनेटिक एल्गोरिदम (genetic algorithm) के रूप में जाना जाता है, किसी समस्या के संभावित समाधानों को जीवित प्राणियों की एक आबादी की तरह मानता है। जिस तरह एक जैविक आबादी समय के साथ बदलती है, उसी तरह कंप्यूटर संभावित उत्तरों का एक समूह बनाता है, यह परीक्षण करता है कि वे कितने प्रभावी हैं, और फिर बेहतर परिणामों को बनाने के लिए सबसे अच्छे समाधानों को आपस में मिला देता है। लक्ष्य लाखों संभावनाओं में से एकल सर्वोत्तम उत्तर, या 'ग्लोबल ऑप्टिमम' (global optimum) को खोजना है। हालाँकि, ये डिजिटल आबादी अक्सर एक निराशाजनक जाल का सामना करती है: वे फंस सकती हैं। वास्तविक सर्वोत्तम समाधान खोजने से पहले, समूह बहुत अधिक समान हो सकता है, जिससे वे एक 'लोकल पीक' (local peak) पर सिमट जाते हैं जो अच्छा तो दिखता है लेकिन वास्तव में सर्वोत्तम संभव परिणाम से बहुत दूर होता है। यह समयपूर्व ठहराव एक बड़ी बाधा है जिसे शोधकर्ताओं ने दशकों से यह बदलकर हल करने की कोशिश की है कि कंप्यूटर अपने समाधानों को कैसे मिलाता है और उनमें उत्परिवर्तन (mutation) करता है।

जियाले के (Jiale Ke) नामक एक शोधकर्ता ने इन डिजिटल आबादी को विविध बनाए रखने और आगे बढ़ने के लिए एक नया तरीका प्रस्तावित किया है, जो पक्षियों या बैक्टीरिया जैसे सामान्य विषयों से नहीं, बल्कि साधारण चेस्टनट (chestnut) के पेड़ से प्रेरणा लेता है। 2026 के अंत में प्रकाशित एक अध्ययन में, के ने चीनी चेस्टनट के पेड़ के दस विशिष्ट जैविक गुणों को कंप्यूटर नियमों के एक सेट में अनुवादित किया, जिन्हें एल्गोरिदम को फंसने से रोकने के लिए डिज़ाइन किया गया है। परिणामी विधि, जिसे 'चेस्टनट स्ट्रैटेजी' (Chestnut Strategy) कहा जाता है, कंप्यूटर के समाधानों की आबादी को चेस्टनट के पेड़ों के एक जंगल की तरह मानती है। यह कड़े नियम लागू करती है जो विभिन्न समाधानों को मिश्रित होने के लिए मजबूर करते हैं, समूह के सबसे अद्वितीय और विविध सदस्यों की रक्षा करती है, और यहाँ तक कि प्रगति रुकने पर सिस्टम को झकझोरने के लिए आग या बीजों की सुप्तावस्था जैसी नाटकीय घटनाओं का अनुकरण भी करती है। मानक कंप्यूटर समस्याओं के विरुद्ध इस दृष्टिकोण का परीक्षण करने पर, अध्ययन में पाया गया कि इस प्रकृति-प्रेरित रणनीति ने पारंपरिक तरीकों से काफी बेहतर प्रदर्शन किया, जिससे इसने बेहतर समाधान अधिक बार खोजे और उन जालों से बचा जो आमतौर पर इन एल्गोरिदम को विफल कर देते हैं।

चेस्टनट स्ट्रैटेजी के पीछे का मूल विचार यह है कि विविधता ही उत्तरजीविता की कुंजी है, एक जंगल और एक कंप्यूटर प्रोग्राम दोनों में। प्राकृतिक दुनिया में, चेस्टनट के पेड़ों में 'सेल्फ-इनकम्पैटिबिलिटी' (self-incompatibility) नामक एक जैविक नियम होता है, जिसका अर्थ है कि एक पेड़ खुद को निषेचित नहीं कर सकता; प्रजनन के लिए उसे दूसरे पेड़ से साथी ढूंढना होगा। के ने इसे एक कंप्यूटर नियम में अनुवादित किया जहाँ प्रोग्राम को खुद के या अपने बहुत समान संस्करण के साथ मिलने से प्रतिबंधित किया गया है। इसके बजाय, इसे एक ऐसे साथी की तलाश करनी चाहिए जो जितना संभव हो सके उतना अलग हो। यह सुनिश्चित करता है कि समाधानों की नई पीढ़ी विविध गुणों को विरासत में प्राप्त करे, जिससे समूह बहुत जल्दी बहुत एकसमान होने से बच जाता है। यह रणनीति 'ज़ेनिया' (xenia) प्रभाव का भी अनुकरण करती है, जहाँ पिता पेड़ का पराग सीधे माता पेड़ के फल के आकार और गुणवत्ता को प्रभावित करता है। कंप्यूटर के संस्करण में, इसका अर्थ है कि जब दो समाधान मिलते हैं, तो अधिक दूर के साथी के जीन का प्रभाव अधिक मजबूत होता है, यह सुनिश्चित करता है कि नया संतान एक ताज़ा और विशिष्ट संयोजन ले जाए।

केवल मिश्रण के अलावा, चेस्टनट स्ट्रैटेजी में प्रबंधन उपकरणों का एक समूह शामिल है जो एक जंगल की देखभाल करने वाले माली की तरह कार्य करते हैं। एक नियम में 'बुर' (bur) शामिल है, जो विकसित होते मेवों की रक्षा करने वाला कँटीला छिलका है। कंप्यूटर में, प्रोग्राम समाधानों को समूहों (clusters) में वर्गीकृत करता है और उस समूह की पहचान करता है जो वर्तमान सर्वोत्तम समाधान से सबसे दूर है। इस दूरस्थ समूह को त्याग दिए जाने से बचाया जाता है, यह सुनिश्चित करते हुए कि अद्वितीय और संभावित रूप से मूल्यवान विचार केवल इसलिए खो न जाएं क्योंकि वे अभी तक पूर्ण नहीं हैं। एक अन्य नियम 'कैटकिन प्रूनिंग' (catkin pruning) का अनुकरण करता है, जहाँ किसान फल के लिए ऊर्जा बचाने के लिए अतिरिक्त नर फूलों को हटा देते हैं। कंप्यूटर भी ऐसा ही कुछ करता है, जिसमें वह सबसे भीड़भाड़ वाले, दोहराव वाले समाधानों की पहचान करता है और उन्हें हटा देता है, जिससे कंप्यूटर की प्रोसेसिंग पावर को सर्वोत्तम स्थानीय समाधानों को परिष्कृत करने की ओर पुनर्निर्देशित किया जा सके। जब कार्यक्रम में सुधार रुक जाता है, तो रणनीति 'सीड बैंक' (seed bank) दृष्टिकोण का उपयोग करती है। यह सर्वोत्तम और सबसे अद्वितीय समाधानों को एक सुप्त संग्रह में सुरक्षित रखता है, ठीक वैसे ही जैसे सर्दियों के लिए नमी वाली रेत में मेवे दबाकर रखे जाते हैं। यदि प्रोग्राम अटक जाता है, तो इन संरक्षित बीजों को फिर से जीवित करने के लिए लाया जाता है ताकि खोज को फिर से शुरू किया जा सके।

रणनीति दीर्घकालिक उत्तरजीविता के नाटकीय तरीकों को भी शामिल करती है। यह 'कॉपिसिंग' (coppicing) का अनुकरण करती है, जहाँ एक पुराने पेड़ के तने को काटकर जड़ों से नई और जोरदार वृद्धि को प्रोत्साहित किया जाता है, जो सबसे खराब प्रदर्शन करने वाले समाधानों को लेकर उन्हें अत्यधिक परिवर्तनशील बदलावों के साथ एक नई शुरुआत देती है। इसमें एक 'फायर' (fire) तंत्र भी शामिल है, जहाँ कमजोर समाधानों की एक छोटी टीम को समूह के सर्वोत्तम समाधानों की ओर एक जोखिम भरा छलांग लगाने की अनुमति दी जाती है, और जो भी पुरस्कार उन्हें मिलते हैं, उन्हें साझा किया जाता है। अंत में, यह कवक (fungi) के भूमिगत नेटवर्क का अनुकरण करती है जो पेड़ों को जोड़ने वाले नेटवर्क के रूप में कार्य करता है, जिससे वे पोषक तत्वों का आदान-प्रदान कर सकते हैं। कंप्यूटर में, इसका अर्थ है कि समाधानों के विभिन्न समूह समय-समय पर अपने कोड के हिस्सों का आदान-प्रदान करते हैं, जिससे अच्छे विचारों को पूरी आबादी में फैलाया जा सके। ये नियम हर समय लागू नहीं किए जाते हैं; सिस्टम भारी प्रजनन वर्षों और हल्के वर्षों के बीच बारी-बारी से चलता है, अपनी ऊर्जा को खोज की जरूरतों के अनुरूप पल्स (pulse) करता है।

जब मानक गणितीय चुनौतियों की एक श्रृंखला पर परीक्षण किया गया, तो चेस्टनट स्ट्रैटेजी ने अपनी योग्यता सिद्ध की। चार कठिन निरंतर समस्याओं (continuous problems) के एक सेट पर, जिनमें संख्याओं के एक जटिल परिदृश्य में निम्नतम बिंदु खोजना शामिल है, नई विधि ने एक मानक कंप्यूटर एल्गोरिदम की तुलना में त्रुटि को नाटकीय रूप से कम कर दिया। एक विशिष्ट परीक्षण में, इसने अंतिम त्रुटि को 95 प्रतिशत तक कम कर दिया, और दूसरे में, इसने हर बार पूर्ण समाधान खोजा, जबकि मानक विधि केवल आधी बार सफल हुई। शोधकर्ताओं ने रणनीति का एक अलग प्रकार की समस्या पर भी परीक्षण किया: लाभ को अधिकतम करने के लिए एक कंटेनर में आयताकार बक्सों को पैक करना, जो ओवरलैप किए बिना वस्तुओं को व्यवस्थित करने की एक कार्य है। यहाँ, चेस्टनट स्ट्रैटेजी ने फिर से उत्कृष्ट प्रदर्शन दिखाया। इसने समस्याओं के एक सेट पर 45 प्रतिशत प्रयासों में सर्वोत्तम व्यवस्था पाई, जबकि मानक विधि के लिए यह केवल 12.5 प्रतिशत था। पैकिंग चुनौतियों के एक अन्य सेट पर, इसने 94.4 प्रतिशत बार पूर्ण समाधान प्राप्त किया, जो बेसलाइन की तुलना में एक बड़ा सुधार है।

अध्ययन में यह निर्धारित करने के लिए एक सावधानीपूर्वक विश्लेषण भी शामिल था कि रणनीति के कौन से हिस्से वास्तव में काम कर रहे थे। शोधकर्ताओं ने पाया कि सबसे बड़े लाभ समाधानों के मिश्रण के तरीके से नहीं, बल्कि उन प्रबंधन नियमों से आए जिन्होंने विविधता की रक्षा की और रुकने पर खोज को फिर से शुरू किया। बिना इन प्रबंधन नियमों के कंप्यूटर के समाधानों को मिलाने के तरीके को बदलने मात्र से कोई मदद नहीं मिली और कभी-कभी चीजें और खराब हो गईं। यह सुझाव देता है कि सफलता की कुंजी कई विशिष्ट उपकरणों के समन्वित प्रयास से आई थी जो आबादी को विविध और लचीला बनाए रखने के लिए मिलकर काम करते हैं। रणनीति गणितीय परिदृश्यों और पैकिंग समस्याओं दोनों पर समान रूप से प्रभावी रही, जिससे पता चलता है कि ये जैविक सिद्धांत कंप्यूटर समस्या-समाधान को विभिन्न प्रकार की चुनौतियों में सुधार करने के लिए एक विश्वसनीय तरीका हैं।

निष्कर्ष जटिल समस्याओं को हल करने के लिए कंप्यूटरों को बेहतर बनाने के लिए एक स्पष्ट मार्ग प्रदान करते हैं। समाधान की खोज को एक जीवित पारिस्थितिकी तंत्र के रूप में मानकर, जिसे संरक्षण, छंटाई और सामयिक व्यवधान की आवश्यकता होती है, चेस्टनट स्ट्रैजी एक स्थानीय अनुकूलतम (local optimum) में फंसने के सामान्य संकट से बचती है। अनुसंधान यह प्रदर्शित करता है कि विविध प्रबंधन तकनीकों के पोर्टफोलियो को संचालित करना, एक एकल तंत्र को ट्यून करने के प्रयास की तुलना में अधिक प्रभावी दृष्टिकोण है। हालांकि अध्ययन कंप्यूटर सिमुलेशन के माध्यम से किया गया था और इसमें भौतिक प्रयोग शामिल नहीं थे, फिर भी परिणाम कई अलग-अलग परीक्षण मामलों में सुसंगत और मजबूत थे। लेखक का सुझाव है कि इस दृष्टिकोण को भविष्य में और भी अधिक जटिल समस्याओं, जैसे कि डिलीवरी ट्रकों के रूट की योजना बनाना या शेड्यूलिंग को व्यवस्थित करना, के लिए लागू किया जा सकता है, जो यह सिद्ध करता है कि कभी-कभी डिजिटल समस्या को हल करने का सबसे अच्छा तरीका जंगल की ओर देखना होता है।