محسّن نظام مصرفي متصل مُعزّز يدمج آلية ثلاثية لحل مشكلات التحسين العالمي

بحث أذكى للقرارات المعقدة في العالم الحقيقي

من تخطيط جداول رحلات الطيران إلى ضبط أنظمة الذكاء الاصطناعي الطبية، تتلخص العديد من المشكلات الحديثة في البحث عن «أفضل تركيبة ممكنة» بين عدد لا يحصى من الخيارات. الأساليب الرياضية الدقيقة غالبًا ما تتعثر أمام هذه التعقيدات. تعرض هذه الورقة طريقة بحث حاسوبية محسّنة، مُحسّن نظام مصرفي متصل معزز (ECBSO)، تُحاكي كيفية تفاعل البنوك وتبادلها للمعلومات للبحث عن حلول أفضل بسرعة وكفاءة أكبر وبمستوى موثوقية أعلى.

لماذا تصطدم الطرق التقليدية بجدار

تعمل تقنيات التحسين الكلاسيكية جيدًا عندما تكون المشكلات مرتبة: العلاقات ناعمة، ومشهد الاحتمالات نسبيًا بسيط. لكن التطبيقات الحقيقية عادةً ما تتضمن متغيرات كثيرة وقيودًا فوضوية ومناظر مليئة بالقمم والقيعان حيث قد يعلق البحث عند حل «جيد» بدلًا من الحل الأفضل. وُلدت الخوارزميات الميتاهيرستيكية للتعامل مع هذه الفوضى. فهي تستعير أفكارًا من الطبيعة أو الفيزياء أو سلوك البشر — مثل التطور، أسراب الطيور، أو أساليب التدريس — لتتجول بذكاء عبر مساحات بحث هائلة دون الحاجة إلى معلومات رياضية مثالية.

البنوك كنموذج لحل المشكلات

اعتبر محسن النظام المصرفي المتصل (CBSO) السابق أن البنوك وكيلاً للبحث. كل «بنك» يمثل حلاً مرشحًا، والمعاملات بين البنوك تمثل كيفية تبادل الحلول للمعلومات وتحسينها مع الزمن. يتناوب CBSO بين الاستكشاف (تجربة خيارات مختلفة جدًا) والاستغلال (تنقيح أفضل الحلول التي عُثر عليها). ومع ذلك، كان للتصميم الأصلي ثلاث عيوب رئيسية: مشاركة معلومات غير كافية عبر الشبكة ككل، والتحول من الاستكشاف إلى الاستغلال كان مرتبطًا بالزمن بشكل جامد بدلًا من التقدم الفعلي، والاعتماد المفرط على نجم واحد أدى في كثير من الأحيان إلى تجمد النظام حول حل دون المستوى. تصاعدت هذه القيود كلما كبرت المشكلات وتعقدت.

ثلاث حيل جديدة تجعل البحث أدق

يحافظ ECBSO على الاستعارة المصرفية لكنه يضيف ثلاث آليات قوية. أولًا، استراتيجية توجيه جماعي مهيمن تنظر إلى البنوك ذات الأداء الأفضل كفريق بدلًا من التركيز على نجم واحد. عبر التقاط كيفية تباين اختياراتهم معًا، تولد الخوارزمية حلولًا مرشحة جديدة تتبع «حكمة المجموعة» هذه، مما يحسن تغطية فضاء البحث وجودة الخيوط الواعدة. ثانيًا، استراتيجية تعلم موجهة تقيس باستمرار مدى تحرك الحلول الأخيرة. إذا كان البحث يتجول بشكل متهور، تُوجّه الخوارزمية نحو تنقيح أكثر حذرًا؛ وإذا كانت الحركات ضئيلة جدًا، يدفع ECBSO البحث لاستكشاف مناطق جديدة. ثالثًا، استراتيجية نخبوية هجينة تمزج الفكرة المصرفية الأصلية مع نهج آخر يُسمى محسن التوازن. بدلًا من ملاحقة فائز واحد، يكرّس ECBSO تنقيح عدة مرشحين أقوياء بالتوازي، مما يساعد النظام على الهروب من الفخاخ المحلية والتقارب بثبات أكبر.

اختبار الطريقة الجديدة

للتحقق من فعالية هذه التغييرات، اختبر المؤلفون ECBSO على معيار دولي متطلب معروف باسم CEC 2017، الذي يجمع 29 مشكلة مصطنعة مصممة لاختبار طرق التحسين بطرق متعددة — مناظر بسيطة ومتموجة وهجينة ومعقدة للغاية، كل منها في أبعاد متعددة. قورن ECBSO مع CBSO الأصلي وثمانية منافسين رائدين من عائلات خوارزمية مختلفة. عبر جميع أحجام الاختبار، احتل ECBSO مراتب متقدمة باستمرار. وجد حلولًا أفضل في عدد أكبر من المشكلات، وبشكل أكثر موثوقية من تشغيل لآخر، وأظهر منحنيات تقدم أكثر سلاسة وتنبؤًا. أكدت الفحوص الإحصائية التفصيلية أن هذه المكاسب لم تكن نتيجة الحظ. ثم طبّق المؤلفون ECBSO على مهام تصميم هندسي واقعية ذات قيود ولاحظوا مرة أخرى جودة حلول ومتانة متفوقة، وإن كان ذلك على حساب أزمنة تشغيل أطول نسبيًا نتيجة حساباته الأكثر تعقيدًا.

ماذا يعني هذا للتقنية اليومية

بعبارات بسيطة، يعد ECBSO محرك «بحث ذكي» أكثر موثوقية لمشكلات التصميم والتخطيط الصعبة جدًا. من خلال التعلم من مجموعة من المرشحين الأقوياء، وضبط مدى جرأته في الاستكشاف بناءً على السلوك الأخير، وصقل عدة خيارات رائدة في آنٍ واحد، يكون أفضل في تجنب الطرق المسدودة والتركيز على حلول عالية الجودة بالفعل. ومع أنه قد لا يكون مثاليًا للمهام الحساسة للزمن للغاية، فإن دقته واستقراره الأعلى يجعلان منه أداة واعدة للقرارات غير الفورية في مجالات مثل أنظمة الطاقة، والتصميم الهندسي، والجدولة، والتعلّم الآلي، حيث يمكن أن يوفر إيجاد حل أفضل تكاليف كبيرة أو يحسّن السلامة.

الاستشهاد: Qian, D., Cai, X., Feng, L. et al. An enhanced connected banking system optimizer incorporating triple mechanism for solving global optimization problems. Sci Rep 16, 7747 (2026). https://doi.org/10.1038/s41598-026-36149-2

الكلمات المفتاحية: تحسين ميتاهيرستيك, خوارزمية مستوحاة من البنوك, التحسين العالمي, تصميم هندسي, خوارزمية بحث