Blind Smart Navigator Optimizer (BSNO): A Bio-Inspired Hybrid Metaheuristic Algorithm for Expensive Black-Box Optimization

في عالم الهندسة والاكتشاف العلمي، غالبًا ما يواجه الباحثون مفارقة محبطة: وهي أن المشكلات الأكثر أهمية هي أيضًا الأكثر تكلفة في حلها. تخيل محاولة تصميم جناح طائرة جديد أو جهاز طبي معقد. لكي تعرف ما إذا كان التصميم يعمل، لا يمكنك ببساطة إدخال أرقام في معادلة ما؛ بل يجب عليك تشغيل محاكاة حاسوبية ضخمة قد تستغرق ساعات أو حتى أيامًا لإتمامها. تُعرف هذه المشكلات باسم تحديات "الصندوق الأسود" لأن آليات عملها الداخلية مخفية، والطريقة الوحيدة للحصول على إجابة هي أن تطلب من الحاسوب إجراء الاختبار. وعندما يستغرق الاختبار الواحد كل ذلك الوقت، لا يمكنك تحمل تكلفة التخمين العشوائي أو تجربة ملايين الاختلافات العشوائية. أنت بحاجة إلى دليل يتميز بكفاءة مذهلة، دليل يعرف بالضبط أين يبحث دون إضاعة ساعة واحدة ثمينة من وقت الحوسبة.

لعقود من الزمن، حاول العلماء حل هذه المعضلة عبر إنشاء خوارزميات تحاكي الطبيعة، مثل الطريقة التي تندفع بها أسراب الطيور أو الطريقة التي يختار بها التطور السمات الأكثر لياقة. وبينما تعمل هذه الأساليب بشكل جيد للعديد من المهام، إلا أنها غالبًا ما تعاني عندما تكون تكلفة كل اختبار مرتفعة جدًا. فقد تتعثر في نقطة جيدة محلية، معتقدة أنها أفضل حل ممكن، أو قد تتجول بلا هدف، مما يهدر عدد الاختبارات المحدودة المتاحة. كان التحدي يكمن في بناء نظام ليس مجرد بحث عشوائي، بل عملية ذكية وتكيفية تتعلم من كل خطوة، وتتذكر أخطاء الماضي، وتعرف متى تأخذ المخاطرة.

يقدم نهج جديد، طوره ماجد دهر ميركي في جامعة بهبهان خاتم آلنيا للتكنولوجيا، نوعًا مختلفًا من الإلهام. فبدلاً من النظر إلى الطيور أو البكتيريا، نظر الباحث إلى كيفية تنقل شخص كفيف في بيئة غير مألوفة وغير مستوية. والنظام الناتج، الذي يسمى "محسن الملاح الذكي الكفيف" (Blind Smart Navigator Optimizer)، هو برنامج حاسوبي مصمم لحل هذه المشكلات الصعبة والمكلفة عبر تقليد عملية اتخاذ القرار الدقيقة والخطوة بخطوة التي يتبعها السائر الكفيف. وتشير الدراسة إلى أنه من خلال ترجمة استراتيجيات الملاحة الجسدية والإدراكية للإنسان إلى قواعد رياضية، يمكن للخوارزمية العثัง حلول أفضل وبسرعة أكبر ومع عدد أقل بكثير من الاختبارات الضائعة مقارنة بالأساليب الحالية.

الفكرة الجوهرية وراء هذه الخوارزمية الجديدة هي أن التنقل في المجهول يتطلب تسلسلًا محددًا من الإجراءات: استشعار المحيط المباشر، اتخاذ قرار بشأن الحركة، تذكر الأماكن التي كنت فيها، وطلب المساعدة أحيانًا. في النسخة الحاسوبية، يكون "السائر" وكيلًا افتراضيًا يتحرك عبر مشهد من الحلول الممكنة. وبما أن الوكيل لا يستطيع رؤية الخريطة بأكملها، فإنه يستخدم استراتيجية "العصا البيضاء". في العالم الحقيقي، يضرب الشخص الكفيف عصاه لجس الأرض أمامه؛ وفي الخوارزمية، يتم ذلك من خلال بناء نموذج بديل محلي باستخدام مجموعة صغيرة من النقاط التي تم تقييمها مسبقًا. يسمح هذا للحاسوب بتقدير ميل التضاريس بجوار الموقع الحالي دون الحاجة إلى تشغيل المحاكاة المكلفة التي تستغرق ساعات لكل خطوة بمفردها. فهو لا يشغل الاختبار الكامل والمكلف إلا عندما يؤكد "شرط أرميجو" (Armijo condition) أن الخطوة تحقق انخفاضًا كافيًا في دالة الهدف.

بمجرد أن يعرف الوكيل الاتجاه، يجب عليه تحديد مدى طول الخطوة. فالسائر الكفيف لا يتخذ نفس حجم الخطوات في كل مكان؛ بل يخطو خطوات طويلة وواثقة على الأرض الناعمة والآمنة، لكنه يقصر خطواته عندما يشعر بعائق أو منطقة وعرة. تحاكي الخوارزمية الجديدة هذا الأمر عبر ضبط حجم الخطوة تلقائيًا. فإذا بدا المسار متسقًا وواعدًا، فإنه يتحرك بسرعة، وإذا شعرت التضاريس بعدم الاستقرار أو عدم اليقين، فإنه يتباطأ ويتخذ خطوات أصغر وأكثر أمانًا. وهذا يمنع النظام من تجاوز الحل الجيد أو العلق في مكان صعب. علاوة على ذلك، يحتفظ الوكيل بخريطة ذهنية للأماكن التي حاول فيها وفشل؛ فإذا وجد نفسه عالقًا في حلقة مفرغة، يحاول نفس النهايات المسدودة مرارًا وتكرارًا، فإنه يتذكر ذلك ويجبر نفسه على القفز إلى منطقة جديدة تمامًا، مما يضمن عدم إضاعة الوقت في إعادة زيارة المناطق غير المثمرة.

يتضمن النظام أيضًا شكلاً من أشكال التعلم الاجتماعي. فتمامًا كما قد يطلب شخص كفيف المساعدة من عابر سبيل للحصول على منظور أوسع، تسمح الخوارزمية لوكلائها الافتراضيين بمشاركة المعلومات. فإذا وجد أحد الوكلاء بقعة واعدة بشكل خاص، فإن الآخرين يعدلون مساراتهم للتحرك نحو ذلك الموقع. يساعد هذا التوجيه الجماعي المجموعة بأكملها على التحرك بكفاءة نحو أفضل حل دون أن يقع الجميع في نفس الوادي المحلي. وللتعامل مع مخاطر العلوق في حفرة عميقة تبدو وكأنها القاع ولكنها ليست كذلك، تتضمن الخوارزمية آلية تقبل أحيانًا خطوة تبدو أسوأ من الوضع الحالي. وهذا يشبه مسافرًا يقرر سلك طريق وعر وصاعد لأنه قد يؤدي إلى منظر أفضل لاحقًا. ومن خلال السماح لهذه التحركات المحفوفة بالمخاطر في المراحل المبكرة، يبقي النظام خياراته مفتوحة ويتجنب الاستقرار عند إجابة متوسطة المستوى قبل الأوان.

اختبر الباحثون هذه الطة الجديدة مقابل عدة تقنيات تحسين راسخة، بما في ذلك الخوارزميات الجينية وتحسين سرب الجسيمات، باستخدام مجموعة من التحديات الرياضية القياسية المعروفة بصعوبة حلها. تضمنت هذه الاختبارات مشكلات ذات مستويات متفاوتة من التعقيد والأبعاد. وأظهرت النتائج أن "محسن الملاح الذكي الكفيف" وجد باستمرار حلولاً أفضل من الطرق الأخرى، خاصة مع زيادة تعقيد المشكلات. لقد وصل إلى إجابات عالية الجودة بشكل أسرع وبتباين أقل في أدائه، مما يعني أنه أكثر موثوقية عبر أنواع مختلفة من المشكلات. وقد أكد التحليل الإحصائي أن هذه التحسينات لم تكن نات_جة للصدفة، بل كانت نتيجة حقيقية لهذا النهج الجديد.

إن ما يجعل هذا العمل مهمًا بشكل خاص ليس فقط أداءه الجيد، بل كيفية تحقيقه لهذا الأداء. فخلافًا للعديد من الخوارزميات الحديثة التي هي مجرد مزيج عشوائي من تقنيات مختلفة ملتصقة ببعضها البعض، فإن هذا النظام مبني على قصة واحدة متماسكة. فكل جزء من الكود له سبب واضح لوجوده، مرتبط مباشرة بسلوك معين يستخدمه الشخص الكفيف للتنقل في العالم. وهذا يجعل الخوارزمية أسهل في الفهم والشرح؛ فهي ليست "صندوقًا أسود" داخل صندوق أسود، بل هي عملية شفافة حيث يكون منطق البحث واضحًا بقدر وضوح منطق إنسان يمشي في غرفة مظلمة.

تخلص الدراسة إلى أن هذا الإطار المستوحى من البشر قوي بشكل خاص بالنسبة لنوع المشكلات التي يكلف فيها كل اختبار حاسوبي الكثير من الوقت والمال. فمن خلال استخدام تخمينات ذكية لتجنب الاختبارات غير الضرورية، وتذكر الإخفاقات الماضية، والموازنة بين الحذر والاستكشاف، تنجح الخوارما في حل المشكلات الهندسية والعلمية الصعبة بكفاءة أكبر من ذي قبل. وبينما تستخدم النسخة الحالية إعدادات ثابتة لسلوكها، يقترح الباحثون أن العمل المستقبلي يمكن أن يجعل النظام أكثر ذكاءً من خلال السماح له بتعديل استراتيجياته الخاصة مع تعلم المزيد عن المشكلة المحددة التي يحلها. وفي الوقت الحالي، يقف "محسن الملاح الذكي الكفيف" كدليل على أن النظر في السلوك البشري، حتى في ظل أصعب القيود الحسية، يمكن أن يوفر مخططًا قويًا لحل أصعب الألغاز الحسابية في العالم.