HDRA: An Hybrid Divine Religion Algorithm Integrating Ant Colony Optimization and Memetic Search for Sustainable Electric Vehicle Routing in Smart Cities

आधुनिक शहरों के हलचल भरे केंद्रों में, सड़कों पर एक शांत क्रांति हो रही है। इलेक्ट्रिक वाहन पारंपरिक गैस से चलने वाले ट्रकों और वैन की जगह ले रहे हैं, जो स्वच्छ हवा और कम शोर वाले भविष्य का वादा करते हैं। हालाँकि, इन इलेक्ट्रिक वाहनों के बेड़े (फ्लीट) का प्रबंधन करना एक एकल कार चलाने की तुलना में कहीं अधिक जटिल पहेली है। एक गैसोलीन कार के विपरीत जिसे किसी भी स्टेशन पर मिनटों में ईंधन भरा जा सकता है, एक इलेक्ट्रिक वाहन को अपनी यात्रा की सावधानीपूर्वक योजना बनानी चाहिए ताकि यह सुनिश्चित हो सके कि उसके पास गंतव्य तक पहुँचने और डिपो में वापस लौटने के लिए पर्याप्त बैटरी शक्ति है। इसे यह भी तय करना होगा कि कब और कहाँ चार्ज करने के लिए रुकना है, जिसमें चार्जिंग में लगने वाले समय और बिजली की लागत तथा डिलीवरी की तात्कालिकता के बीच संतुलन बनाना होता है। यह चुनौती, जिसे इलेक्ट्रिक वाहन रूटिंग समस्या (electric vehicle routing problem) के रूप में जाना जाता है, शहरी योजनाकारों और लॉजिस्टिक्स कंपनियों के लिए एक बहुत बड़ा गणितीय सिरदर्द है। यदि मार्गों की योजना सटीक रूप से नहीं बनाई जाती है, तो वाहन की शक्ति समाप्त हो सकती है, डिलीवरी में देरी हो सकती है, और वादा किया गया पर्यावरणीय लाभ अक्षमता के कारण खो सकता है। लाखों विकल्पों में से सबसे अच्छा मार्ग खोजना इतना कठिन कार्य है कि सबसे शक्तिशाली कंप्यूटर भी इसे तेजी से हल करने के लिए संघर्ष करते हैं।

इस चुनौती से निपटने के लिए, ईरान के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने एक नया कंप्यूटर प्रोग्राम विकसित किया है जिसे इलेक्ट्रिक वाहनों के लिए सबसे कुशल पथ खोजने के लिए डिज़ाइन किया गया है। वे अपनी इस रचना को 'हाइब्रिड डिवाइन रिलिजन एल्गोरिदम' (Hybrid Divine Religion Algorithm) कहते हैं, एक ऐसा नाम जो असामान्य लग सकता है लेकिन यह उस पद्धति का वर्णन करता है कि कैसे एक समुदाय के लोग एक-दूसरे के साथ बातचीत करते हैं और एक-दूसरे से सीखते हैं। शोधकर्ताओं ने इस सामाजिक शिक्षण मॉडल को दो अन्य सिद्ध रणनीतियों के साथ जोड़ा: एक जो यह अनुकरण करती है कि चींटियाँ गंध के निशान छोड़कर भोजन कैसे खोजती हैं, और दूसरी जो एक स्थानीय मार्गदर्शक की तरह कार्य करती है, जो छोटे और सावधानीपूर्ण समायोजन करके समाधान को परिष्कृत करती है। इन तीन दृष्टिकोणों को आपस में बुनकर, टीम ने एक ऐसी प्रणाली बनाई जो मृत अंतों (dead ends) में फंसे बिना संभावित मार्गों के एक विशाल परिदृश्य का पता लगा सकती है, जबकि साथ ही सबसे आशाजनक क्षेत्रों में गहराई तक जाकर सर्वोत्तम पथ खोजने में सक्षम है।

शोधकर्ताओं ने अपने नए सिस्टम का परीक्षण समान समस्याओं को हल करने के लिए उपयोग किए जाने वाले तीन अन्य प्रसिद्ध तरीकों के विरुद्ध किया। उन्होंने तीस-पाँच अलग-अलग परिदृश्यों पर सिमुलेशन चलाए, जिनमें कुछ ग्राहकों वाली छोटी डिलीवरी से लेकर दर्जनों वाहनों और कई स्टॉप वाली बड़े पैमाने की परिचालन गतिविधियाँ शामिल थीं। हर परीक्षण में, नया हाइब्रिड सिस्टम लगातार ऐसे मार्ग खोजता रहा जो दूसरों की तुलना में सस्ते और अधिक कुशल थे। औसतन, इसने पुराने तरीकों में से एक की तुलना में मार्गों की कुल लागत को लगभग 12 प्रतिशत कम किया, और अन्य की तुलना में लगभग 7 से 11 प्रतिशत कम किया। यह एक छोटी संख्या लग सकती है, लेकिन लॉजिस्टिक्स की दुनिया में, जहाँ कंपनियाँ हर दिन हजारों पैकेज स्थानांतरित करती हैं, लागत के एक छोटे से प्रतिशत की बचत भी धन, समय और ऊर्जा की महत्वपूर्ण बचत में बदल जाती है। इस प्रणाली ने दो प्रतिस्पर्धी जरूरतों के बीच संतुलन बनाकर यह परिणाम प्राप्त किया: नए, अनछुए मार्गों की खोज करना कि क्या वे बेहतर हैं, और उन सर्वोत्तम मार्गों का उपयोग करना जिन्हें उसने पहले ही खोज लिया है ताकि उन्हें और भी अधिक कुशल बनाया जा सके।

इस नए दृष्टिकोण को जो बात विशेष रूप से चतुर बनाती है, वह है इसका सूचना के प्रवाह को संभालने का तरीका। कल्पना कीजिए कि यात्रियों का एक समूह घने जंगल के माध्यम से सबसे छोटा रास्ता खोजने की कोशिश कर रहा है। कुछ यात्री चींटियों की तरह कार्य करते हैं, जो दूसरों को दिखाने के लिए जमीन पर निशान छोड़ते हैं कि कौन से रास्ते अच्छे हैं। अन्य समुदाय के सदस्यों की तरह कार्य करते हैं, जहाँ सबसे सफल यात्री अपने विशिष्ट ज्ञान को शेष समूह के साथ साझा करते हैं, जिससे सभी को एक ही समय में अपनी यात्रा में सुधार करने की अनुमति मिलती है। शोधकर्ताओं का सिस्टम साझा करने और खोजने के इस मिश्रण का उपयोग करके 'लोकल ऑप्टिमम' (local optimum) के सामान्य जाल से बचता है—एक ऐसा मार्ग जो अच्छा दिखता है लेकिन वास्तव में सर्वोत्तम संभव समाधान से बहुत दूर है। अपने ज्ञान को लगातार ताज़ा करके और सिस्टम के विभिन्न हिस्सों को एक-दूसरे से सीखने की अनुमति देकर, यह एल्गोरिदम आगे बढ़ता रहता है, और ऐसे समाधान खोजता है जो न केवल अच्छे हैं, बल्कि उल्लेखनीय रूप से पूर्णता के करीब हैं।

अध्ययन ने यह भी देखा कि यह प्रणाली कितनी स्थिर और विश्वसनीय है। जब शोधकर्ताओं ने एक ही समस्या को कई बार चलाया, तो नए एल्गोरिदम ने हर बार बहुत समान परिणाम दिए, जो यह दर्शाता है कि यह केवल भाग्यशाली नहीं है बल्कि लगातार प्रभावी है। इसने छोटे या बड़े, दोनों प्रकार के प्रश्नों के लिए अच्छा प्रदर्शन किया, हालांकि इसे बहुत बड़े परिदृश्यों के साथ कुछ चुनौतियों का सामना करना पड़ा, जो उन कार्यों की अत्यधिक जटिलता को देखते हुए अपेक्षित है। शोधकर्ताओं ने नोट किया कि जबकि अन्य तरीके कभी-कभी तेज़ थे, वे अक्सर ऐसे मार्गों पर टिक जाते थे जो उतने कुशल नहीं थे। इसके विपरीत, यह नया सिस्टम सोचने में थोड़ा अधिक समय लेता है लेकिन एक बहुत बेहतर अंतिम योजना प्रदान करता है। यह ट्रेड-ऑफ उन व्यवसायों के लिए सार्थक है जिन्हें अपने पर्यावरणीय पदचिह्न और परिचालन लागत दोनों को एक साथ न्यूनतम करने की आवश्यकता होती है।

अंततः, इस शोध पत्र में प्रस्तुत कार्य स्मार्ट, हरित शहरों के निर्माण के लिए एक शक्तिशाली नया उपकरण प्रदान करता है। इलेक्ट्रिक वाहनों के रूटिंग में सुधार करके, शहर तय की गई कुल दूरी को कम कर सकते हैं, जिससे सीधे तौर पर ऊर्जा खपत और उत्सर्जन कम होता है। शोधकर्ता सुझाव देते हैं कि उनकी विधि शहर के योजनाकारों और लॉजिस्टिक्स प्रबंधकों के लिए एक निर्णय-सहायता उपकरण (decision-support tool) के रूप में कार्य कर सकती है, जिससे उन्हें ऐसे परिवहन नेटवर्क डिजाइन करने में मदद मिल सकती है जो कुशल और टिकाऊ दोनों हों। हालांकि यह अध्ययन वास्तविक दुनिया के सड़क परीक्षणों के बजाय कंप्यूटर सिमुलेशन के माध्यम से किया गया था, फिर भी परिणाम मजबूत और सांख्यिकीय रूप से महत्वपूर्ण हैं, जो भविष्य के अनुप्रयोगों के लिए एक मजबूत आधार प्रदान करते हैं। जैसे-जैसे इलेक्ट्रिक वाहन अधिक सामान्य होते जा रहे हैं, इस तरह के एल्गोरिदम यह सुनिश्चित करने के लिए आवश्यक होंगे कि हरित परिवहन की ओर संक्रमण केवल एक वादा नहीं, बल्कि एक व्यावहारिक वास्तविकता बने जो प्रतिदिन सुचारू रूप से काम करे।