Nubian Ibex Optimizer: A Nature-inspired Metaheuristic Algorithm

Nel mondo dell'ingegneria e della scienza, molti problemi sono essenzialmente rompicapi con milioni di possibili risposte, ma solo una o poche che siano davvero perfette. Immaginate di cercare di trovare il punto più basso in un vasto paesaggio nebbioso pieno di colline e valli. Un approccio semplice potrebbe essere quello di camminare in discesa finché non si può andare oltre, ma questo spesso porta a incastrarsi in una piccola buca, perdendo di vista il vero fondo dell'intero intervallo. Per risolvere questi complessi rompicapi, gli scienziati hanno sviluppato una famiglia di strumenti chiamati algoritmi metaeuristici. Questi non sono formule rigide che garantiscono un'unica risposta corretta ogni volta; sono invece strategie flessibili ispirate al mondo naturale. Mimano il modo in cui gli esseri viventi si muovono, cacciano o crescono per esplorare un'ampia area e poi concentrare i loro sforzi nei punti più promettenti. Questo equilibrio tra il vagare ampiamente per trovare nuove possibilità e il scavare in profondità per perfezionare una buona soluzione è la chiave per risolvere difficili sfide del mondo reale, dalla progettazione di ponti più resistenti alla regolazione delle impostazioni di un'intelligenza artificiale.

Un team di ricercatori ha introdotto un nuovo strumento in questa famiglia chiamato Nubian Ibex Optimizer (Ottimizzatore della Ibex Nubiana). L'idea alla base di esso deriva dall'osservazione della ibex nubiana, una capra selvatica che vive nelle aspre montagne del Medio Oriente e del Nord-est dell'Africa. Questi animali sono famosi per la loro incredibile capacità di navigare scogliere ripide e rocciose che sembrano impossibili da scalare. Non vagano semplicemente senza meta; possiedono un acuto senso di come muoversi efficientemente attraverso terreni difficili, usando i loro zoccoli specializzati per fare presa su superfici scoscese e la loro agilità per compiere salti precisi. I ricercatori hanno tradotto questi comportamenti di sopravvivenza in un programma per computer. In questa versione digitale, un gruppo di "ibex" virtuali rappresenta potenziali soluzioni a un problema. Mentre il programma viene eseguito, questi animali virtuali si muovono attraverso un paesaggio simulato di dati, regolando le loro posizioni in base a quanto stanno andando bene. Se un ibex virtuale trova una soluzione di alta qualità, gli altri sono guidati verso di essa, proprio come un branco che segue un leader verso un pascolo sicuro.

I ricercatori hanno testato questo nuovo metodo rigorosamente per vedere se potesse superare gli strumenti esistenti. Hanno prima eseguito l'algoritmo contro ventitré funzioni matematiche standard, che sono come enigmi di pratica progettati per controllare se un risolutore può trovare la risposta migliore sia in paesaggi fluidi e semplici, sia in quelli caotici e complessi. I risultati hanno mostrato che il Nubian Ibex Optimizer era eccezionalmente bravo in due cose: riusciva a concentrarsi rapidamente sulla risposta migliore in problemi semplici, ed era molto bravo a evitare di incastrarsi in vicoli ciechi quando i problemi erano complicati. In molti di questi test, ha trovato soluzioni migliori rispetto ad altri algoritmi ben noti, talvolta con un margine significativo. Ad esempio, in un test specifico progettato per misurare la precisione, il nuovo metodo ha trovato una soluzione che era quasi 100 ordini di grandezza più accurata del secondo miglior concorrente.

Per dimostrare che questo non era un metodo che funzionava solo su enigmi matematici astratti, il team ha applicato l'algoritmo a otto problemi di progettazione ingegneristica del mondo reale. Si trattava di sfide pratiche che riguardavano la costruzione di oggetti fisici, come una molla di trazione, un recipiente a pressione, un riduttore di velocità per macchinari e vari tipi di travi e freni. In ogni caso, l'obiettivo era minimizzare il costo o il peso garantendo al contempo che l'oggetto rimanesse sicuro e funzionale. Il Nubian Ibex Optimizer ha costantemente fornito risultati superiori. Per la progettazione di un recipiente a pressione, un grande contenitore utilizzato per contenere gas o liquidi sotto alta pressione, l'algoritmo ha trovato una configurazione che costava 6.077 unità, battendo il secondo miglior metodo che costava 6.093. Nella progettazione di una trave saldata, ha ridotto il costo a 1,614, superando tutti gli altri metodi testati. Anche nella progettazione di una leva a pistone, un meccanismo utilizzato per convertire il movimento, ha ottenuto il costo più basso di 1,05, un chiaro miglioramento rispetto agli altri approcci.

Lo studio suggerisce che il modo unico in cui l'algoritza imita il movimento della ibex — specificamente come bilancia l'esplorazione ampia con il raffinamento focalizzato — lo rende uno strumento potente per risolvere difficili problemi di ottimizzazione. I ricercatori osservano che, sebbene nessun singolo metodo sia perfetto per ogni possibile problema, questo nuovo approccio offre un'opzione robusta e versatile per ingegneri e scienziati. Traducendo gli istinti di sopravvivenza di una capra di montagna in una strategia matematica, il team ha creato un metodo che può navigare paesaggi di dati complessi con agilità, trovando soluzioni migliori, più velocemente e in modo più affidabile rispetto a molti degli strumenti attualmente in uso. Il codice per questo nuovo algoritmo è stato reso pubblico, permettendo ad altri ricercatori di testarlo ulteriormente e applicarlo alle proprie sfide in campi che vanno dalle energie rinnovabili all'imaging medico.