A Hybrid Quantum Classical Optimization Framework for Pickup and Delivery Problems with Parcel Lockers Using Quantum Graph Attention Networks
تقدم هذه الورقة Q-PDPL، وهو إطار تحسين هجين كمي-كلاسيكي يدمج خوارزميات VQE وQAOA وشبكات الانتباه الرسومي الكمية ضمن مخطط تفكيك Dantzig-Wolfe لحل مشكلات النقل والاستلام مع الخزائن ذات النطاق الواسع والعشوائية بكفاءة، مما يظهر تفوقاً في خفض التكاليف وقابلية التوسع مقارنة بالخوارزميات الكلاسيكية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تتحرك ملايين الطرود يومياً عبر المدن، متنقلة من المستودعات إلى أبواب المنازل. وتُعد هذه المرحلة الأخيرة من الرحلة، المعروفة باسم "توصيل الميل الأخير"، الجزء الأكثر تكلفة وعدم كفاءة في العملية بأكملها؛ حيث تقع الشاحنات في فخ الازدحام المروري، ويواجه السائقون صعوبة في العثور على العملاء في منازلهم، مما يخلق حلقة مفرغة من هدر الوقود والوقت بسبب عمليات التوصيل الفاشلة. ولحل هذه المشكلة، تتجه العديد من الشركات نحو خزائن الطرود (parcel lockers) — وهي خزائن آلية آمنة حيث يمكن للناس استلام طرودهم بأنفسهم. ورغم أن هذا يبدو بسيطاً، إلا أن تحديد أفضل طريقة لتوجيه الشاحنات إلى هذه الخزائن مع التوصيل إلى المنازل في آن واحد يمثل لغزاً رياضياً هائلاً؛ إذ يتطلب الأمر موازنة سعة المركبات، والنوافذ الزمنية الصارمة، والحقيقة غير المتوقعة المتمثلة في احتمال عدم وجود العملاء في منازلهم عند وصول السائق. وتواجه الحواسيب التقليدية صعوبة في حل هذه الألغاز بسرعة عندما يزداد عدد العملاء، حيث تتعثر غالباً في حسابات تستغرق ساعات أو أياماً.
وقد اقترح فريق من الباحثين طريقة جديدة لمعالجة هذه المشكلة من خلال الجمع بين قوة الحوسبة التقليدية وتقنية الكم الناشئة. فقد طوروا نظاماً يسمى Q-PDPL، يستخدم نهجاً هجيناً لتحسين مسارات التوصيل. وبدلاً من الاعتماد على نوع واحد من الحواسيب، يقوم النظام بتقسيم العمل؛ حيث يستخدم حاسوبًا تقليديًا لإدارة الخطة العامة، وحاسوبًا كميًا لحل الجزء الأصعب والأكثر استهلاكاً للوقت في اللغز: وهو إيجاد المسار الأكثر كفاءة لشاحنة واحدة تزور مجموعة محددة من المحطات. اختبر الباحثون هذا النظام على بيانات محاكاة تمثل آلاف سيناريوهات التوصيل، وتشير نتائجهم إلى أن هذا النهج الهجين يمكنه إيجاد مسارات أفضل بشكل أسرع من الطرق القياسية الحالية، مما قد يوفر مبالغ كبيرة من المال ويقلل من عدد عمليات التوصيل الفاشلة.
يتناول جوهر عمل الباحثين تحدياً محدداً في مجال اللوجستيات يُعرف بـ "مشكلة الاستلام والتوصيل مع الخزائن" (Pickup and Delivery Problem with Lockers). في هذا السيناريو، يجب على شركة التوصيل أن تقرر لكل عميل ما إذا كان سيتم إحضار الطرد مباشرة إلى منزله أم إرساله إلى خزانة قريبة. ويعتمد هذا القرار على عوامل عديدة، مثل مدى بعد العميل عن الخزانة، وما إذا كان من المرجح أن يكون العميل في المنزل، ومدى امتلاء الخزانة. فإذا وصل السائق إلى المنزل ولم يجد أحداً، تفشل عملية التوصيل، مما يكبد الشركة خسائر مالية ويثير إحباط العميل. وقد بنى الباحثون نموذجاً يتنبأ بهذه النتائج ويخطط للمسارات لتجنبها، ووجدوا أنه من خلال استخدام الخوارزميات الكمية لحل المشكلات الفرعية المتعلقة بالتوجيه، يمكنهم التعامل مع شبكات أكبر بكثير من العملاء مما تسمح به الطرق التقليدية.
ولتحقيق ذلك، دمج الفريق عدة تقنيات متقدمة؛ حيث استخدموا طريقة تسمى "تفكيك دانتزيغ-وولف" (Dantzig-Wolfe decomposition)، والتي تقسم مشكلة التوصيل الضخمة إلى أجزاء أصغر يمكن إدارتها. أما الجزء الأكثر صعوبة، والمعروف باسم "مشكلة التسعير" (pricing problem)، فيتضمن حساب تكلفة كل مسار ممكن يمكن أن تسلكه الشاحنة لإيجاد المسار الأفضل، وهنا يأتي دور الحاسوب الكمي. استخدم الباحثون خوارزميات مثل "المحلل الذاتي الكمي المتغير" (Variational Quantum Eigensolver) و"خوارزمية التحسين التقريبية الكمية" (Quantum Approximate Optimization Algorithm) لحل هذا الجزء المحدد. وتعمل هذه الخوارزميات من خلال استكشاف احتمالات عديدة في وقت واحد، وهي قدرة تمنحهم ميزة السرعة مقارنة بالحواسيب التقليدية في هذا النوع من البحث. كما يستخدم النظام شبكة عصبية معززة كمياً للتعلم من البيانات واتخاذ قرارات أفضل بشأن أي العملاء يجب أن يستخدموا الخزائن مقابل التوصيل المنزلي.
تظهر نتائج الدراسة، التي أجريت من خلال عمليات محاكاة عالية الأداء، تحسناً واضحاً مقارنة بالطرق الموجودة. فعند اختبارها مقابل مجموعات البيانات المعيارية المستخدمة في صناعة اللوجستيات، خفض النظام الجديد إجمالي تكاليف التوصيل بنسبة تقارب 18.7 بالمائة مقارم بأفضل الخوارزميات التقليدية. كما تفوق على طريقة أخرى شائعة تُعرف باسم "التفريع والسعر" (Branch-and-Price) بنسبة 23.4 بالمائة. ولعل الأهم من ذلك هو قدرة النظام على التعامل مع سيناريوهات تضم أكثر من 500 عميل، وهو نطاق غالباً ما تفشل فيه الطرق التقليدية في إيجاد حلول جيدة في وقت معقول. وأشار الباحثون إلى أن الجزء الكمي من نظامهم حل المشكلات الفرعية للتوجيه بتعقيد ينمو بشكل أبطأ بكثير من الطرق التقليدية مع زيادة حجم المشكلة، مما يشير إلى أن الميزة ستصبح أكثر أهمية مع توسع شبكات التوصيل.
وإلى جانب إيجاد مسارات أرخص، حسن النظام أيضاً من موثوقية عمليات التوصيل. فمن خلال التنبؤ بشكل أفضل بالعملاء الذين سيكونون في منازلهم بالفعل لاستلام الطرد، خفض النظام معدل عمليات التوصيل المنزلية الفاشلة من قرابة 12 بالمائة إلى 3.4 بالمائة فقط. ويعني هذا الانخفاض رحلات أقل ضائعة وانبعاثات كربونية أقل. كما وجدت الدراسة أن النظام حقق استفادة أفضل بكثير من خزائن الطرود، حيث ملأها بنسبة تصل إلى حوالي 84 بالمائة، مقارنة بنحو 67 بالمائ % باستخدام الطرق القديمة. ويسمح هذا الاستخدام الفعال للمساحة للشركات بخدمة المزيد من العملاء دون الحاجة إلى بناء المزيد من الخزائن أو شراء المزيد من الشاحنات.
وقد حرص الباحثون على الإشارة إلى أن نتائجهم تأتي من عمليات محاكاة تعمل على حواسيب تقليدية قوية تحاكي السلوك الكمي، وليس من تشغيل الكود على أجهزة كمية فعلية. ورغم أن النتالئج واعدة، إلا أن الأداء على الأجهزة الكمية الحقيقية والمشوبة بالضجيج قد يختلف قليلاً بسبب قيود الأجهزة الحالية. ومع ذلك، فإن الدراسة تثبت أن الإطار النظري سليم، وأن النهج الهجين يمثل مساراً قابلاً للتطبيق للمستقبل. ويقترح الفريق أنه مع تحسن الأجهزة الكمية، يمكن لهذا الأسلوب أن يصبح أداة معيارية لإدارة اللوجستيات المعقدة لاقتصاد التجارة الإلكترونية العالمي.
في النهاية، يمثل هذا العمل خطوة هامة نحو جعل التوصيل الحضري أكثر استدامة وكفاءة. فمن خلال الجمع بين موثوقية الحوسبة التقليدية وسرعة المعالجة الكمية الفريدة، أظهر الباحثون طريقة لحل ألغاز لوجستية كان من الصعب جداً فك رموزها سابقاً. فالنظام لا يجد حلاً فحسب، بل يجد حلاً أفضل، مما يوفر المال والوقت والوقود. ومع استمرار نمو التسوق عبر الإنترنت، ستصبح القدرة على تحسين شبكات التوصيل هذه أمراً بالغ الأهمية، ويقدم هذا النهج الهجين لمحة عن كيفية عمل اللوجستيات في المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.