استنادًا إلى مشغل تطور ثنائي محسّن وخوارزمية الصقر الأسود مع الاستبدال الطبيعي لمشكلات التحسين العددي الهندسي

طرق أذكى لاتخاذ قرارات صعبة

من تصميم سيارات أكثر أمانًا إلى تخطيط مزارع رياح فعالة، يواجه المهندسون باستمرار ألغازًا لها ملايين الحلول المحتملة. فحص كل خيار مستحيل، لذلك يعتمدون على اختصارات ذكية—خوارزميات حاسوبية تبحث عن حلول جيدة جدًا دون تفقد كل المساحة. تقدم هذه الورقة أحد هذه الاختصارات، المستوحاة من سلوك الصيد والهجرة لطائر جارح يُدعى صقر الجناح الأسود، وتبين كيف أن نسخة محسنة من هذه الفكرة تستطيع حل العديد من مشكلات التصميم الواقعية المتطلبة بسرعة وموثوقية أكبر من الطرق الحالية.

التعلم من طائر الصيد

غالبًا ما تستوحي الخوارزميات «الميتاهوريستية» الحديثة أفكارها من الطبيعة: كيف تجد النمل الطعام، كيف يصطاد الذئاب، أو كيف تتحرك المجرات. تنتمي خوارزمية الصقر الأسود الأصلية (BKA) إلى هذه العائلة. تتخيل العديد من الطيور الافتراضية تطير فوق منظر رياضي، حيث يمثل الارتفاع مدى جودة التصميم. خلال مرحلة «الهجوم» تستكشف الطيور على نطاق واسع، وخلال «الهجرة» تتجه نحو المناطق الواعدة. استُخدمت BKA في مهام عملية مثل ضبط البطاريات والمساعدة في استكشاف الموارد. لكن، مثل العديد من الطرق المماثلة، قد تعلق عند حلول مقبولة فقط، وتفوت حلولًا أفضل، أو تستغرق وقتًا طويلاً للوصول إلى نتيجة عندما تكون المشكلات معقدة للغاية.

إضافة الفوضى المنضبطة والخلط الأكثر ذكاءً

يقترح المؤلفون نسخة مطورة تسمى SMNBKA‑ICMIC. يتعلق التحسين الأول بكيفية بدء البحث. بدلاً من وضع الطيور الافتراضية عشوائيًا، تستخدم الطريقة نوعًا خاصًا من الفوضى المنضبطة لنشرها بشكل أكثر توازنًا عبر المشهد. هذا يزيد الاحتمال أن يبدأ بعض الطيور بالقرب من مناطق ذات قيمة. بعد ذلك، عندما «تهاجم» الطيور، تستعير الخوارزمية فكرة من البيولوجيا التطورية: تمزج معلومات من مرشحين أقوياء وأضعف بطريقة مدروسة، مشابهة لكيفية اختلاط المواد الوراثية أثناء التكاثر. تساعد خطوة الخلط هذه المجموعة على الخروج من المأزق وتمنع تضييق البحث في وقت مبكر جدًا.

هجرة موجهة وبقاء الأصلح

أعيد تصميم الهجرة، وهي المرحلة الكبرى الثانية، أيضًا. في الطريقة الأصلية، كان كل طائر يعدل موقعه باستخدام قاعدة عشوائية بسيطة كانت أحيانًا تسبب تكدس المجموعة حول قمة محلية بدلًا من العثور على القمة الأعلى. تقارن النسخة المحسنة أداء الطيور وتسمح لها بالتحرك اعتمادًا على الفروقات بين «قائد» قوي وشريك مختار عشوائيًا. تساعد هذه الحركة ذهابًا وإيابًا السرب على استكشاف اتجاهات جديدة مع البقاء موجهًا نحو المناطق الجيدة. بالإضافة إلى ذلك، تحاكي خطوة «الاستبدال الطبيعي» بقاء الأصلح: في كل جولة تُزال الطيور ذات الأداء الأسوأ وتستُبدل بأخرى جديدة تُنشأ بالقرب من أفضل الحلول الحالية. هذا يبقي أفكارًا جديدة واردة بينما يُركز البحث حول التصاميم الواعدة.

اختبار الخوارزمية

للاطلاع ما إذا كانت هذه الأفكار فعالة حقًا، خضع SMNBKA‑ICMIC لسلسلة من الاختبارات. أولًا، استخدم الباحثون معايير رياضية قياسية مصممة لتكون خادعة، بما في ذلك مناظر بها العديد من القمم الكاذبة والأودية الضيقة. عبر ثلاث مجموعات اختبار رئيسية مستخدمة على نطاق واسع في مجتمع التحسين، وجدت الطريقة الجديدة إجابات أفضل وباتت أكثر اتساقًا من كل من BKA الأصلية وعدد من الخوارزميات المتطورة الأخرى. ثم انتقل المؤلفون إلى عشر مشكلات تصميم هندسية كلاسيكية، مثل تشكيل نابض معدني، وتحديد أبعاد خزان ضغط، وتكوين مجموعة تروس أو مكبح متعدد الأقراص. في تسع من أصل عشر حالات، أنتجت خوارزميتهم أفضل الحلول المعروفة، غالبًا مخفضةً «تكلفة» التصميم بنسبة 1.5% إلى 15% مقارنة بالمنافسين—فوارق يمكن أن تتحول إلى وفورات حقيقية في المواد أو الطاقة أو هامش السلامة.

التعامل مع خيارات معقدة والمقايضات

اختبر الفريق الطريقة أيضًا على مشكلات الحقيبة المتعددة، وهو تحدٍ قياسي حيث يجب تعبئة عدد محدود من العناصر في عدة حاويات دون تجاوز سعتها، مع تعظيم القيمة. تُعرف هذه المشكلات بصعوبتها لأن عدد التعبئات الممكنة يتضخم مع زيادة حجم المشكلة. لم يكتفِ SMNBKA‑ICMIC بالوصول إلى أفضل الحلول الممكنة في عدة مهام من هذا النوع فحسب، بل فعل ذلك بثبات ملحوظ بين تشغيل وآخر. يشير هذا إلى أن الطريقة قادرة على التعامل مع الخيارات المستمرة في التصميم (مثل سمك شعاع محدد) والخيارات المتقطعة (مثل أي مكون يجب تضمينه)، وهو مزيج نادر في خوارزمية واحدة.

لماذا هذا مهم

بعبارات بسيطة، تظهر الدراسة أن الجمع المدروس بين أفكار من نظرية الفوضى والتطور وسلوك السرب والانتقاء الطبيعي يؤدي إلى استراتيجية بحث تجمع بين الجرأة والانضباط. يتجول SMNBKA‑ICMIC على نطاق واسع بما يكفي ليتجنب الانخداع بحلول مبكرة وجذابة، لكنه أيضًا يستطيع الاستقرار لتنقيح التصاميم عالية الجودة. بالنسبة للمهندسين والعلماء الذين يواجهون قرارات معقدة لها قيود عديدة، يعني هذا أنهم يمكنهم الحصول على حلول شبه مثالية بعدد أقل من المحاولات وبثقة أكبر. وعلى الرغم من ملاحظة المؤلفين أن المشكلات ذات الأبعاد الشديدة العالية أو التي تتغير بسرعة تظل تحديًا، فإن عملهم يقرب التصميم المدعوم بالحاسوب خطوة نحو أن يتصرف كمحلل مشاكل خبير وقابل للتكيف بدلًا من كونه آلة حسابية جامدة.

الاستشهاد: Sun, H., Tang, N., Li, Z. et al. Based on binary evolution operator-enhanced black-kite algorithm with natural replacement for engineering numerical optimization problems. Sci Rep 16, 6881 (2026). https://doi.org/10.1038/s41598-026-35846-2

الكلمات المفتاحية: التحسين فوق السلوكي (ميتاهوريستيك), تصميم هندسي, خوارزميات مستوحاة من الطبيعة, التحسين التوافقي, خوارزمية الصقر الأسود