خوارزمية تآكل وترسيب الأنهار مع ديناميكا بحث تكيفية لموازنة الاستكشاف والاستغلال

لماذا يمكن للأنهار أن تعلّم الحواسب البحث بصورة أذكى

تواجه الحواسب الحديثة ألغازًا لا تُحصى، من ضبط نماذج التعلم العميق إلى تصميم آلات فعّالة. حل هذه الألغاز يعني البحث عبر أعداد هائلة من الاحتمالات للعثور على إجابات جيدة. تُظهر هذه الورقة كيف أن مراقبة طريقة نحت الأنهار الحقيقية لقاعها وبناءه يمكن أن تلهم طريقة بحث جديدة ذكية تساعد أنظمة الذكاء الاصطناعي على الاستكشاف على نطاق واسع، وفي الوقت نفسه التركيز بدقة على أفضل الحلول.

كيف توازن الطبيعة بين التغيير والثبات

في العالم الطبيعي، يعيد النهر تشكيل محيطه باستمرار. الماء السريع يَتآكل التربة والصخر، ويَحفُر مجاري وينقل الرواسب بعيدًا. الماء البطيء يترك هذه الرواسب تستقر، مبنيًا شواطئ رملية وضفافًا جديدة. عبر الفصول ترتفع سرعات الجريان وتنخفض، ويتناوب النهر طبيعيًا بين الحفر والردم. مع مرور الزمن يصل هذا الدفع والسحب إلى نوع من التوازن، حيث يستمر النهر في التغيير لكن دون أن يخرج عن السيطرة. يستعير مؤلفو هذه الدراسة هذه الفكرة لتصميم خوارزمية حاسوبية تستطيع الترحال على نطاق واسع بحثًا عن خيارات جديدة وفي الوقت نفسه تنقح ما وجدته بدقة.

تحويل مواسم النهر إلى استراتيجية بحث

تتصوّر الطريقة الجديدة، المسماة خوارزمية تآكل وترسيب الأنهار، كل حل ممكن كجُسيم يتحرك في نهر. مقبض تحكم أساسي في الخوارزمية يحاكي الجريان الموسمي: خلال مرحلة «الفيضان» يجري النهر الافتراضي بسرعة، وتُدفع الجسيمات بعيدًا عن مواقعها الحالية، مما يتيح استكشافًا واسعًا لميدان البحث. خلال مرحلة «المياه الهادئة» يبطئ الجريان، وتُجري الجسيمات حركات صغيرة فقط، لتستقر في مناطق واعدة. يتغير هذا العامل الجيْري في دورة ناعمة وموجية بدلًا من التلاشي مرة واحدة وإلى الأبد، ما يعني أن دفعات استكشافية جديدة تظل تعود وتساعد البحث على تجنّب الوقوع في مأزق مبكر.

تذكّر البقع الجيدة دون الوقوع في الفخ

الأنهار الحقيقية لا تتفاعل مع الحاضر فحسب؛ مساراتها تعكس تاريخًا طويلًا من الفيضانات والفترات الجافة. تعكس الخوارزمية هذا عبر الاحتفاظ بـ«ذاكرة نُخبوية» للحلول الجيدة التي اكتشفتها. عندما تُنتَج المرشّحات الجديدة لا تُلقى هذه التاريخية، بل تُمزج برفق المواضع الحالية مع تلك عالية الجودة التي تذكرها الخوارزمية، مثل الرواسب الممتزجة في الماء. وفي الوقت ذاته يحافظ قدر مُتحكّم به من العشوائية على تنوّع المجموعة، فلا ينهار البحث إلى منطقة ضيّقة واحدة. خطوة تقليم خاصة تضمن بقاء الحلول المَذكورة متفرقة، مثل البرك العميقة المتباعدة على طول النهر بدلًا من بقعة واحدة مُستغَلة بشِدّة.

الاختبار على مسائل رياضية وآلات حقيقية

لاختبار ما إذا كانت هذه المقاربة المستوحاة من الأنهار مفيدة حقًا، جرّبها الباحثون على عشرات التحديات الرياضية القياسية المستخدمة لمقارنة أدوات التحسين. تتراوح هذه المهام من مشاهد ناعمة شبيهة بالحوض إلى تضاريس وعِرة ذات قمم ووديان كثيرة، في فضاءات من 10 و30 و50 متغيرًا. غالبًا ما ضاهت خوارزمية تآكل وترسيب الأنهار أداء 13 خوارزمية متقدمة أخرى أو تفوّقت عليها، خصوصًا في المشكلات ذات الحجم الصغير والمتوسط وعلى الدوال المتشابكة التي تشبه حالات هندسية حقيقية. ثم جرّب الفريق الأسلوب على 19 مهمة تصميم حقيقية، مثل أوعية الضغط والنوابض وأنظمة التروس والهياكل الإنشائية، حيث يجب الوفاء بقيود صارمة وأهداف أداء متعددة في آن واحد. في معظم هذه الحالات، وصلت الخوارزمية المستندة إلى النهر إلى تصاميم مساوية أو أفضل من منافسيها.

نماذج أدق لأنظمة الطاقة الشمسية

طبّق المؤلفون طريقتهم أيضًا لضبط نماذج الألواح الشمسية، التي يجب أن تُطابق السلوك الكهربائي المقاس أقرب ما يكون. هنا تتضمن المجهولات عدة معايير في الدائرة الداخلية للوحة. استطاع البحث المستند إلى النهر ضبط هذه المعلمات بحيث تتقاطع منحنيات التيار والقدرة المحاكاة تقريبًا مع المقاسات، عبر عدة نماذج للوحات ذات تفصيل متزايد. عمليًا، يعني هذا تقديرات أكثر موثوقية لسلوك الألواح، ما يدعم تحكمًا ومراقبة وتخطيطًا أفضل في نظم الطاقة الشمسية.

ما الذي يعنيه هذا للتكنولوجيا اليومية

من منظور غير متخصص، الرسالة الأساسية هي أن الاستلهام من شيء مألوف مثل النهر يمكن أن يساعد الحواسب على البحث بحكمة أكبر. عبر التناوب بين «تآكل» سريع و«ترسيب» رقيق، ومع تذكّر النجاحات الماضية دون الإفراط في الوثوق بها، تقدم خوارزمية تآكل وترسيب الأنهار طريقة متوازنة للاستكشاف وصقل الأفضل. تشير نتائج الدراسة على الاختبارات القياسية والتصاميم الهندسية ونماذج الطاقة الشمسية إلى أن هذه الاستراتيجية المستوحاة من الطبيعة يمكن أن تصبح أداة عامة مفيدة كلما احتجنا إلى استخراج أداء أفضل من نظم معقدة دون تجربة كل خيار على حدة.

الاستشهاد: Wang, J., Liu, Y., Luo, Z. et al. The river erosion and deposition algorithm with adaptive search dynamics for balancing exploration and exploitation. Sci Rep 16, 15137 (2026). https://doi.org/10.1038/s41598-026-45131-x

الكلمات المفتاحية: التحسين فوق-الخبيري, ذكاء السرب, خوارزمية تآكل الأنهار, تصميم هندسي, نمذجة الخلايا الشمسية الفوتوفولتية