خوارزمية تحسين ذوات الأجنحة السوداء المحسّنة مع مزيج متعدد الاستراتيجيات وتطبيقها

طائرات ورقية رقمية أذكى لألغاز هندسية صعبة

من تصميم قطارات أسرع إلى ضبط شبكات الطاقة، يواجه المهندسون باستمرار مشكلات معقدة تفوق إمكانيات طرق التجربة والخطأ التقليدية. تقدم هذه الورقة "سرب طائرات ورقية" حوسبيًا جديدًا—خوارزمية تحسين الذّبّاح ذات الأجنحة السوداء المحسّنة (IMBKA)—التي تحاكي كيف يجسّس الطيور، ويهجم، ويهاجر لتحديد أفضل حل. كما يوضح المؤلفون كيف يمكن لهذا السرب الأذكى أن يساعد في التنبؤ بعامل أمان رئيسي في السكك الحديدية عالية السرعة: المقاومة الكهربائية حيث يلامس البنتوغراف الموجود على سقف القطار السلك العلوي.

لماذا نحتاج إلى مستكشفين رقميين أفضل

الأنظمة الهندسية الحديثة معقدة للغاية، مع كثير من المتغيرات المتداخلة والمتطلبات المتضاربة. أدوات التحسين الكلاسيكية قد تقف عند حلول "جيدة بما فيه الكفاية" وتفوت خيارات أفضل مخبأة في فضاء ضخم من الإمكانيات. في السنوات الأخيرة، لجأ الباحثون إلى خوارزميات مستوحاة من الطبيعة تحاكي سلوك مجموعات الحيوانات: أسراب الأسماك، قطعات الذئاب، وسرب الطيور الباحث عن الطعام. تنتمي خوارزمية الذّبّاح ذات الأجنحة السوداء (BKA) إلى هذه العائلة وكانت مبنية في الأصل حول طريقة دوران هذه الطيور في السماء للاستطلاع ثم الغوص لمهاجمة الفريسة. ورغم أن BKA تتفوق بالفعل على عدة طرائق معروفة في مهام كثيرة، إلا أنها لا تزال تعاني من ضعفين كبيرين: قد تكون التخمينات الابتدائية سيئة، وقد يتعثر البحث في طرق محلية مُقفلة.

أربع ترقيات لسرب افتراضي

تحسّن النسخة المحسّنة، IMBKA، BKA في أربع مراحل حاسمة خلال البحث. أولًا، بدلًا من نشر الطيور الابتدائية عشوائيًا، تستخدم الخوارزمية "مجموعة نقاط مثالية" مصممة بعناية لتوزيعها بالتساوي عبر فضاء البحث. هذا التغيير البسيط يزيد التنوع ويقلل من احتمال أن تبدأ جميع المرشحات في ركن سيئ من المشكلة. ثانيًا، يضيف المؤلفون وزنًا تكيفيًا لمرحلة الهجوم، شبيهًا بفصل القدم عن دواسة الوقود عند الاقتراب من وجهة. في بداية التشغيل تتخذ الخوارزمية خطوات أجرأ للاستكشاف على نطاق واسع؛ ولاحقًا تتقلص الخطوات لتتمكن من ضبط الحلول الواعدة بدقة أعلى.

أنماط طيران تنبيهية تتجنب المآزق المحلية

ثالثًا، يقدم الباحثون سلوك إنذار مستوحى من طريقة أخرى مبنية على الطيور، وهي خوارزمية بحث العصافير، ونمط حركة حلزوني مقتبس من محسن مستوحى من الحيتان. في الطبيعة، تراقب الطيور على حافة السرب الخطر وتوجه المجموعة بعيدًا عن التهديدات. في IMBKA، يترجم ذلك إلى حركات خاصة تساعد الأفراد على الهروب من مناطق خطرة أو غير منتجة مع الدوران حلزونيًا حول المرشحين الجيدين لاستكشاف محيطهم بعمق أكبر. رابعًا، تقوم الخوارزمية أحيانًا بـ"رحلات ليفي"، وهي قفزات تجمع العديد من الخطوات القصيرة مع قفزات طويلة نادرة. تساعد هذه القفزات الطائرات الورقية الرقمية على الخروج من الفخاخ المحلية واكتشاف مناطق بعيدة قد تحتوي على الحل العالمي الحقيقي، من دون التضحية بالقدرة على البحث الدقيق قرب النقاط الجيدة.

إثبات الموثوقية واختبار السرعة

لإظهار أن IMBKA ليس ذكيًا فحسب بل موثوق أيضًا، يبني المؤلفون نموذجًا رياضيًا باستخدام سلاسل ماركوف، وهي أداة قياسية لوصف العمليات العشوائية. يدعم هذا النموذج برهانًا صارمًا يفيد أنه، مع منح الوقت الكافي، ستجد الخوارزمية الحل الأفضل عالميًا باحتمال يقترب من واحد. ثم يختبرون IMBKA على مجموعة من اثني عشر مشكلة معيارية تُستخدم على نطاق واسع لمقارنة طرق التحسين. في دراسات "الحذف" المضبوطة، يفتحون ويغلقون كل من التحسينات الأربع، مبيّنين أن كل واحدة منها مفيدة—وأن دمجها يعمل بأفضل شكل. مقارنة بخمس خوارزميات حديثة أخرى، يتقارب IMBKA باستمرار أسرع، يصل إلى مستويات خطأ أدنى، ويحافظ على أداء أكثر استقرارًا عبر بيئات اختبار بسيطة وعرة على حد سواء.

مساعدة القطارات عالية السرعة في الحفاظ على الطاقة

تتجلى أهمية أدوات التحسين عندما تُحدث فرقًا في الأجهزة الحقيقية. كعرض عملي، استخدم الفريق IMBKA لضبط آلة متجه الدعم، وهو نموذج تعلم آلي شائع، للتنبؤ بمقاومة تماس البنتوغراف-الكتاناري في أنظمة السكك الحديدية. تؤثر هذه المقاومة على كفاءة وموثوقية تدفق الطاقة من السلك العلوي إلى القطار. باستخدام بيانات من جهاز اختبار تماس منزلق مخصص تحت سرعات، تيارات، ضغوط، وظروف اهتزاز مختلفة، قارنوا ثلاثة نماذج: آلة متجه الدعم البسيطة، نسخة مضبوطة بواسطة BKA الأصلية، وأخرى مضبوطة بواسطة IMBKA. خفض النموذج المعتمد على IMBKA خطأ التنبؤ بحوالي ربع وحسّن مقياس الملاءمة (R²) بنحو سبعة عشر بالمئة، مما يدل على توقعات أكثر دقة وموثوقية لمقاومة التماس.

ماذا يعني هذا للتكنولوجيا اليومية

بعبارة بسيطة، تُظهر الدراسة أن تزويد سرب افتراضي من الطائرات الورقية بطرق أذكى للتفرق، التكيف، التفاعل مع الخطر، وأخذ قفزات كبيرة بين الحين والآخر يؤدي إلى حلول أفضل وبشكل أسرع. بالنسبة للمهندسين، يقدم IMBKA محرك بحث أكثر موثوقية لمشكلات التصميم المعقدة، من معدات الطاقة إلى أنظمة النقل. وبإظهار مكاسب فعلية في التنبؤ بسلوك اتصالات الطاقة في القطارات عالية السرعة، تشير الدراسة إلى أن مثل هذه الخوارزميات المستوحاة من الطبيعة يمكنها تحسين سلامة وكفاءة وجدوى التكاليف للتقنيات التي يعتمد عليها ملايين الأشخاص يوميًا.

الاستشهاد: Hui, L., Kong, Y. Improved black-winged kite optimization algorithm with multi-strategy hybrid and its application. Sci Rep 16, 6768 (2026). https://doi.org/10.1038/s41598-026-36871-x

الكلمات المفتاحية: التحسين فوق المستدعى, خوارزميات مستوحاة من الطبيعة, خوارزمية الذّبّاح ذات الأجنحة السوداء, آلة متجه الدعم, مقاومة البنتوغراف-الكتاناري