GeoSSA: Geometric Sparrow Search Algorithm for UAV Path Planning and Engineering Design Optimization

あなたは、配送ドローンが混雑した都市を飛行するための最高のルートを見つけようとしているか、あるいは、最小限の材料で最大限の強度を持つ機械部品を設計しようとしていると想像してください。これらは「最適化問題」です。そこには何百万もの可能な答えがありますが、唯一の完璧な「ゴルディロックス（ちょうど良い）」解が存在します。長すぎず、短すぎず、まさに適度な状態です。

何十年もの間、科学者たちはこれらのパズルを解くために「メタヒューリスティック・アルゴリズム」を使用してきました。これらのアルゴリズムを、最も高い頂点（最良の解）を見つけるために送り出された探検家チームだと考えてください。

オリジナルのチーム：スズメ

一つの人気のある探検家チームは、**スズメ探索アルゴリズム（SSA）**と呼ばれています。これは、餌を探すスズメの群れの動きを模倣しています。

• プロデューサー（生産者）： 道を切り開き、広い範囲を探索する少数の勇敢な鳥たち。
• スカベンジャー（スカベンジャー）： リーダーの近くに餌があることを期待して、リーダーの後を追う残りの群れ。
• エッジ・スズメ（端のスズメ）： 群れの周囲に位置し、捕食者（危険）を監視して安全な場所へ移動する鳥たち。

問題点： オリジナルのチームには欠点があります。時として、鳥たちはある場所に居心地が良くなりすぎ、そこが最高の餌場だと思い込んでしまいます。しかし後になって、すぐ隣に巨大な山の頂があるのに、自分たちは小さな谷間に閉じ込められていたことに気づくのです。彼らはあまりにも早く「停滞（早期収束）」してしまい、真の最良の答えを見逃してしまうのです。

新しいチーム：GeoSSA（幾何学的スズメ）

この論文の著者たち（マカオポリテクニック大学などのチーム）は、この群れをアップグレードすることに決めました。彼らは**GeoSSA（Geometric Sparrow Search Algorithm：幾何学的スズメ探索アルゴリズム）**を作り上げました。彼らは単にルールを微調整したのではなく、鳥たちがより賢い探検家になれるよう、3つの「スーパーパワー」を与えました。

1. 「完璧な地図」によるスタート（良質なノード集合の初期化）

旧来の方法： オリジナルの群れが始まる時、彼らは地図の上に目隠しをしてダーツを投げるように、ランダムに配置されていました。これにより、多くの鳥が同じ場所に固まってしまう一方で、地図の広大な領域が空白のまま残されることがよくありました。
GeoSSAのアップグレード： ランダムに投げる代わりに、「良質なノード集合（Good Nodes Set）」を使用しました。これは、地図のあらゆる一インチが隙間なく、かつ固まりもなく均等にカバーされるよう、タイルを完璧に敷き詰める様子を想像してください。

• なぜ役立つのか： 鳥たちは最初から完璧な視界を持って出発するため、最初から潜在的な「餌場」を見逃すことがありません。

2. 「サイン・コサイン」の跳躍（強化されたプロデューサー更新）

旧来の方法： リーダーとなる鳥たち（プロデューサー）は、単純で予測可能なステップで移動していました。もし彼らが良い場所に近ければ、単に小さなステップを踏み進むだけでした。遠くにいる場合でも、そのジャンプは必ずしも賢いものではありませんでした。
GeoSSAのアップグレード： リーダーたちは、移動方法を決めるために**サイン（正弦）とコサイン（余弦）**の関数（数学的な波）を組み合わせたものを使用します。

• 比喩： リーダーの鳥は、ただ真っ直ぐ歩くのではありません。代わりに、波のパターンを描いて踊ります。波の形によっては、森の全く新しい場所へと大きくダイナミックに跳躍させます（探索）。また別の時には、波の形によって、良い場所を磨き上げるために非常に慎重で小さなステップを踏ませます（活用）。
• なぜ役立つのか： これにより、鳥たちが局所的な谷間に閉じ込められるのを防ぎます。彼らは真の最高峰を見つけるために、大きく戦略的なジャンプをすることができます。

3. 「三角形の歩行」によるセーフティネット（強化されたエッジ更新）

旧来の方法： 群れの端にいる鳥たち（最も脆弱な立場にある者たち）は、危険から逃れるために単純な直線運動を行っていました。これはあまりにも硬直的でした。
GeoSSAのアップグレード： これらの鳥たちは、新たに「三角形の歩行（Triangular Walk）」を使用します。

• 比喩： 捕食者から直線的に逃げるのではなく、鳥が三角形を描いて走る様子を想像してください。前方に進み、次に鋭角に左へ曲がり、次に右へ曲がります。これによりジグザグの経路が生まれ、落ち着く前に周囲のエリアをより徹底的に探索することができます。
• なぜ役立つのか： これはランダム性と柔軟性を加え、オリジナルの鳥たちを捕らえてしまうようなトリッキーな罠（局所最適解）から、群れを脱出させる助けとなります。

実験による検証

研究者たちは、この新しい「スーパー群れ」を3つの主要な試練にかけました。

1. 数学のジム（ベンチマーク関数）： 彼らはこのアルゴリズムを23種類の複雑な数学パズルでテストしました。

   • 結果： GeoSSAはほとんどのケースで勝利しました。それは、オリジナルのスズメや他の有名な探検家チーム（狼最適化アルゴリズムや蟻コロニーアルゴリズムなど）よりも、より速く、より一貫して最良の答えを見つけ出しました。その「勝率」は**95.65%**に達しました。

2. ドローンレース（UAV経路計画）： 彼らは、障害物を避けながら地点Aから地点Bまで飛行するドローンの3次元飛行経路を計画するよう、アルゴリズムに求めました。

   • 結果： GeoSSAは、最も滑らかで、最短かつ最も安全な経路を描きました。他のアルゴリズムは、壁に衝突したり、非常に長く回りくどいルートを通ったりすることがありました。GeoSSAの経路は安定しており、信頼できるものでした。

3. エンジニアリング・ワークショップ： 彼らは、4つの実世界のエンジニアリング設計問題を用いてアルゴリズムを使用しました。

   • 化学タンク用の強固な壁である**波板状バルクヘッド（Corrugated Bulkhead）**の設計。
   • ポンプ用の**ピストンレバー（Piston Lever）**の設計。
   • 化学プラント用の**反応器ネットワーク（Reactor Network）**の設計。
   • **工業用冷凍システム（Industrial Refrigeration System）**の設計。
   • 結果： これら4つのケースすべてにおいて、GeoSSAは最も効率的な設計（より少ない材料やエネルギーを使用する設計）を見つけ出し、しかも極めて高い一貫性を持って達成しました。一度きりの偶然ではなく、テストを実行するたびに毎回最良の結果を出したのです。

結論

この論文は、スズメ探索アルゴリズムに、より優れた開始マップ、リーダーのためのよりスマートな移動ルール、そしてエッジメンバーのためのより柔軟な脱出戦略を与えることで、複雑なパズルを解く上で著しく優れたツールを作り上げた、と主張しています。

ドローンを都市の中へと導くであれ、機械部品を設計するであれ、GeoSSAは、何百万もの可能性の中から「完璧な」解を見つけ出すための、より信頼性が高く、より速く、よりスマートな方法として提示されています。それは単に推測するのではなく、体系的に森全体を探索し、いつ大きな跳躍をし、いつ慎重なステップを踏むべきかを正確に知っているのです。