تحسين هاريس هوكس المعياري مع التطور التفاضلي الموجَّه بالاتجاه والاستكشاف الغاوسي للتحسين العالمي وتصميم الهندسة

بحث أذكى لتصميمات أفضل

من تصميم جسور أخف وزناً إلى ضبط شبكات عصبية، يواجه المهندسون والعلماء باستمرار أحاجي تتطلب منهم انتقاء الأفضل من بين أعداد هائلة من الاحتمالات. يمكن أن تعلق طرق التجربة والخطأ التقليدية أو حتى الخوارزميات الحاسوبية الحديثة في حلول متوسطة بسهولة، لا سيما عندما تكون مساحة التصميم ضخمة ومتعرجة. تقدم هذه الدراسة طريقة بحث جديدة تسمى DEHHO تهدف إلى استكشاف هذه التضاريس الصعبة بشكل أكثر ذكاءً، لتجد حلولاً أفضل بشكل أسرع وأكثر موثوقية.

لماذا العثور على الخيار الأفضل صعب جداً

يمكن تشبيه العديد من المشاكل الحقيقية بتضاريس: كل نقطة تمثل تصميماً مختلفاً، والارتفاع يعكس جودته أو سؤه. غالباً ما تكون هذه التضاريس وعرة، ذات تلال ووديان لا تُحصى. التحدي هو إيجاد الوادي الأدنى (أفضل تصميم) دون الوقوع فريسة لتلة قريبة (حل جيد لكنه ليس الأفضل). استخدمت خوارزمية شهيرة مُستلهمة من سلوك الصيد لدى صقور هاريس، تسمى HHO، لمعالجة مثل هذه المشاكل لأنها بسيطة ولا تتطلب معرفة شكل التضاريس بدقة. ومع ذلك، عندما يزداد عدد خيارات التصميم بشكل كبير، تميل HHO الأصلية إلى فقدان الإحساس بالاتجاه، فتتجمع بسرعة وتدور حول حلول جيدة لكنها ليست الأفضل.

دمج فكرتين: تجوال حذر وحركة موجهة

يقترح المؤلفون DEHHO، تعديل معياري لـ HHO يجمع بين فكرتين متكاملتين. أولاً، أثناء مرحلة "الاستكشاف" المبكرة، يضيف DEHHO ضوضاء غاوسية مُتحكم فيها — نوع من الاهتزاز العشوائي اللطيف — إلى مواضع الحلول المرشحة. بدلاً من القفز عشوائياً عبر التضاريس بأكملها، يشجع هذا الاهتزاز البحث على التفحص بعناية حول المناطق الواعدة مع الحفاظ على تنوّع السكان. ثانياً، أثناء مرحلة "الاستغلال" اللاحقة، يستعير DEHHO آلية من طريقة ناجحة أخرى، وهي التطور التفاضلي. هنا، يتحرك كل حل مرشح ليس فقط نحو الأفضل الحالي، بل أيضاً في اتجاه يتشكل من الفروق بين مرشحين آخرين ومن تاريخ حركته الأخير، نوع من الزخم. تُنعم خطوة التوجيه بالاتجاه المسار عبر التضاريس، مما يقلل التقلب الذي يهدر الوقت ويمكن أن يسبب توقف البحث.

الاختبار على معايير رياضية صعبة

لاختبار ما إذا كانت هذه الأفكار مجدية، اختبر الباحثون DEHHO على مجموعتين متطلبتين من مسائل الاختبار القياسية المعروفة باسم CEC 2017 وCEC 2020. تتضمن هذه المعايير تضاريس ناعمة وخشنة، وتضاريس ذات العديد من الوديان المحلية المضللة، وحالات تتداخل فيها المتغيرات بطرق معقدة. شغّل الفريق DEHHO وعشر خوارزميات منافسة — خمس نسخ مطوّرة من HHO وخمس طرق بحث معروفة أخرى — على مسائل ذات أبعاد تصميم 50 و100، مما يعني أن فضاء البحث كان واسعاً للغاية. عبر معظم الدوال الـ39 للمعيار، حقق DEHHO قيم خطأ أقل وبانتظام عبر 30 تجربة مستقلة، رغم أن معاييره ظلت ثابتة دون تعديل لكل حالة على حدة. وأكدت الاختبارات الإحصائية أن هذه المكاسب من غير المرجح أن تكون نتيجة صدفة.

من المعادلات إلى الآلات الحقيقية

بعيداً عن المسائل الرياضية المجردة، اختبرت الدراسة أداء DEHHO على مهام هندسية كلاسيكية: تصميم هيكل قضيب ثلاثي، وعمود ملحوم، وآلية مخفّض سرعة. يجب أن تلتزم كل حالة بقيود صارمة تتعلق بالسلامة والأداء مع تقليل الوزن أو التكلفة. استخدم DEHHO حيلة الجزاء والحواجز لتفضيل التصاميم التي تبقى ضمن الحدود المسموح بها مع الدفع نحو الحواف حيث تكمن غالباً أفضل المقايضات. في جميع الحالات الثلاث، طابق أو حسّن DEHHO الحلول الأفضل المعروفة مع احترام القيود، وفعل ذلك بصورة أكثر موثوقية من الخوارزميات المنافسة. يشير ذلك إلى أن الطريقة ليست مجرد فضول نظري بل أداة عملية لتصميمات هندسية صعبة.

ماذا يعني ذلك لغير المتخصصين

بشكل مبسّط، DEHHO يشبه الجمع بين كشاف حذر يستطلع التضاريس القريبة ومُتَجَسِّب متمرس يتذكر الاتجاهات التي نزلت في السابق. تجوال الكشاف الحذر (الاستكشاف الغاوسي) يمنع المجموعة من الاستقرار بسرعة في موقع سيئ، بينما يساعد إحساس المتجسّب بالاتجاه (التطور الموجه بالاتجاه) المجموعة على النزول بكفاءة نحو قاع الوادي. تظهر النتائج أن هذا الدمج البسيط والمُمَكَّن يمكنه البحث في فضاءات تصميم كبيرة ومعقدة بدقة واستقرار أفضل من عدة طرق راسخة، دون زيادة كبيرة في تكلفة الحساب. لأي شخص يعتمد على الحوسبة لإيجاد أشكال أو جداول أو إعدادات أفضل — سواء في الهندسة أو علم البيانات أو غيره — يقدم DEHHO طريقة أكثر موثوقية للاتقرب من الحل الأفضل الحقيقي.

الاستشهاد: Kang, F., Su, X. Modular Harris Hawks optimization with trend-guided differential evolution and Gaussian exploration for global optimization and engineering design. Sci Rep 16, 6007 (2026). https://doi.org/10.1038/s41598-026-35565-8

الكلمات المفتاحية: التحسين العالمي, خوارزميات ميتاهوريستية, تحسين هاريس هوكس, التطور التفاضلي, تصميم هندسي