Chestnut Strategy: A Genetic Algorithm Enhanced by the Natural Life Cycle of the Chestnut Tree*

في المشهد الواسع لعلوم الحاسوب، هناك مجال مخصص لتعليم الآلات كيفية حل المشكلات من خلال محاكاة الطريقة التي تتطور بها الطبيعة. هذا النهج، المعروف باسم الخوارزمية الجينية، يعامل الحلول المحتملة للمشكلة مثل عشيرة من الكائنات الحية. تماماً كما يتغير العشيرة البيولوجية بمرور الوقت، يقوم الحاسوب بإنشاء مجموعة من الإجابات المرشحة، ويختبر مدى جودة عملها، ثم يمزج أفضلها معاً لإنشاء جيل جديد، يُؤمل أن يكون أفضل. الهدف هو العثور على الإجابة الأفضل الوحيدة، أو الأمثل العالمية، من بين ملايين الاحتمالات. ومع ذلك، غالباً ما تواجه هذه العشائر الرقمية فخاً محبطاً: يمكن أن تعلق. فقبل العثور على الحل الأفضل الحقيقي، قد تصبح المجموعة كلها متشابهة للغاية، وتنهار فوق قمة محلية تبدو جيدة ولكنها في الواقع بعيدة عن النتيجة المثلى الممكنة. هذا الاستقرار المبكر هو عقبة رئيسية حاول الباحثون حلها لعقود من خلال تعديل كيفية خلط وتطوير (mutation) حلول الحاسوب.

اقترح باحث يدعى جيالي كي طريقة جديدة للحفاظ على تنوع هذه العشائر الرقمية والمضي قدماً، مستلهماً ذلك ليس من العناصر المعتادة مثل الطيور أو البكتيريا، بل من شجرة الكستناء المتواضعة. في دراسة نُشرت في أواخر عام 2026، ترجم كي عشر سمات بيولوجية محددة لشجرة الكستناء الصينية إلى مجموعة من القواعد الحاسوبية المصمم لمنع الخوارزمية من التعثر. الطريقة الناتجة، والتي تسمى "استراتيجية الكستناء"، تعامل عشيرة الحلول الحاسوبية كأنها غابة من أشجار الكستناء. فهي تفرض قواعد صارمة تجبر الحلول المختلفة على الاختلاط، وتحمي الأعضاء الأكثر تميزاً وتنوعاً، بل وتحاكي أحداثاً دراماتيكية مثل الحرائق أو خمول البذور لهز النظام عندما يتوقف التقدم. ومن خلال اختبار هذا النهج ضد مشكلات حاسوبية قياسية، وجدت الدراسة أن هذه الاستراتيجية المستوحاة من الطبيعة تفوقت بشكل كبير على الطرق التقليدية، حيث وجدت حلولاً أفضل في كثير من الأحيان وتجنبت الفخاخ التي تسبب عادة فشل هذه الخوارزميات.

الفكرة الجوهرية وراء استراتيجية الكستناء هي أن التنوع هو مفتاح البقاء، سواء في الغابة أو في برنامج الحاسوب. في العالم الطبيعي، تمتلك أشجار الكستناء قاعدة بيولوجية تسمى "عدم التوافق الذاتي"، مما يعني أن الشجرة لا تستطيع تخصيب نفسها؛ بل يجب أن تجد شريكاً من شجرة مختلفة للتكاثر. ترجم كي هذا إلى قاعدة حاسوبية حيث يُمنع البرنامج من خلط حل مع نسخة من نفسه أو نسخة مشابهة جداً له. بدلاً من ذلك، يجب عليه البحث عن شريك يكون مختلفاً قدر الإمكان. هذا يضمن أن الجيل الجديد من الحلول يرث مجموعة واسعة من السمات، مما يمنع المجموعة من أن تصبح متجانسة للغاية بسرعة كبيرة. كما تحاكي الاستراتيجية تأثير "الزينيا" (xenia)، حيث تؤثر حبوب اللقاح من الشجرة الأب مباشرة على حجم وجودة الثمرة على الشجرة الأم. في النسخة الحاسوبية، يعني هذا أنه عندما يمتزج حلان، يتم إعطاء جينات الشريك الأكثر بعداً تأثيراً أقوى، مما يضمن أن النسل الجديد يحمل مزيجاً طازجاً ومتميزاً من السمات.

بعيداً عن مجرد الخلط، تتضمن استراتيجية الكستناء مجموعة من أدوات الإدارة التي تعمل مثل بستاني يعتني بغابة. تتضمن إحدى القواعد "الغلاف الشوكي" (bur)، وهو القشرة الشوكية التي تحمي الثمار النامية. في الحاسوب، يقوم البرنامج بتجميع الحلول في مجموعات (clusters) ويحدد المجموعة الأبعد عن الحل الأفضل الحالي. هذه المجموعة البعيدة محمية من الاستبعاد، مما يضمن عدم فقدان الأفكار الفريدة وذات القيمة المحتملة لمجرد أنها ليست مثالية بعد. وتُحاكي قاعدة أخرى "تقليم النورات" (catkin pruning)، حيث يقوم المزارعون بإزالة الزهور الذكرية الزائدة لتوفير الطاقة للثمار. يفعل الحاسوب شيئاً مماثلاً من خلال تحديد الحلول الأكثر ازدحاماً وتكراراً وإزالتها، وتوجيه قدرة المعالجة الحاسوبية بدلاً من ذلك لتنقية أفضل الحلول المحلية. وللتعامل مع الأوقات التي يتوقف فيها البرنامج عن التحسن، تستخدم الاستراتيجية نهج "بنك البذور": فهي تحفظ أفضل وأكثر الحلول تميزاً في أرشيف خامل، تماماً مثل دفن المكسرات في رمال رطبة لفصل الشتاء. إذا تعثر البرنامج، يتم استعادة هذه البذور المحفوظة لتبدأ عملية البحث من جديد.

كما تتضمن الاستراتيجية تكتيكات بقاء أكثر دراماتيكية وطويلة الأمد. فهي تحاكي "التقليم من القاعدة" (coppicing)، حيث يتم قطع جذع الشجرة القديمة لتشجيع نمو جديد قوي من الجذور، وذلك عبر أخذ أسوأ الحلول أداءً ومنحها بداية جديدة مع تغييرات عالية التباين. كما تتضمن آلية "الحريق"، حيث يُسمح لفريق صغير من الحلول الأضعف بالقيام بقفزة جريئة نحو أفضل الحلول في المجموعة، ومشاركة أي مكافآ-آت يجدونها. أخيراً، تحاكي الاستراتيجية الشبكة الموجودة تحت الأرض من الفطريات التي تربط الأشجار، مما يسمح لها بتبادل العناصر الغذائية. في الحاسوب، يعني هذا أن مجموعات مختلفة من الحلول تتبادل دورياً أجزاءً من أكوادها، مما ينشر الأفكار الجيدة عبر العشيرة بأكملها. هذه القواعد لا تُطبق طوال الوقت؛ إذ يتناوب النظام بين سنوات تكاثر كثيفة وسنوات أخف، لضبط نبض طاقته بما يتناسب مع احتياجات البحث.

عند اختبارها على سلسلة من التحديات الرياضية القياسية، أثبتت استراتيجية الكستناء جدارتها. ففي مجموعة من أربع مشكلات مستمرة صعبة، والتي تتضمن البحث عن أدنى نقطة في مشهد معقد من الأرقام، قللت الطريقة الجديدة بشكل كبير من الخطأ مقارنة بخوارزمية حاسوبية قياسية. وفي اختبار محدد، قللت الخطأ النهائي بنسبة 95 بالمائة، وفي اختبار آخر، وجدت الحل المثالي في كل مرة، بينما نجحت الطريقة القياسية في نصف الحالات فقط. كما اختبر الباحثون الاستراتيجية في نوع مختلف من المشكلات: تعبئة صناديق مستطيلة في حاوية لتعظيم الربح، وهي مهمة تتطلب ترتيب العناصر دون تداخل. هنا، أظهرت استراتيجية الكستناء أيضاً أداءً متفوقاً؛ فقد وجدت أفضل ترتيب ممكن في 45 بالمائة من المحاولات في مجموعة من المشكلات، مقارنة بـ 12.5 بالمائة فقط للطريقة القياسية. وفي مجموعة أخرى من تحديات التعبئة، حققت الحل المثالي بنسبة 94.4 بالمائة من الوقت، وهو تحسن هائل عن المستوى المرجعي.

تضمنت الدراسة أيضاً تحليلاً دقيقاً لتحديد الأجزاء التي كانت تقوم بالعمل الفعلي في الاستراتيجية. وجد الباحثون أن أكبر المكاسب لم تأتِ من الطريقة التي يتم بها خلط الحلول، بل من قواعد الإدارة التي تحمي التنوع وتعيد تشغيل البحث عندما يتوقف. إن مجرد تغيير كيفية خلط الحلول في الحاسوب دون قواعد الإدارة هذه لم يساعد، بل جعل الأمور أسوأ في بعض الأحيان. وهذا يشير إلى أن مفتاح النجاح كان الجهد المنسق لعدة أدوات متخصصة تعمل معاً للحفاظ على تنوع العشيرة ومرونتها. وقد نجحت الاستراتيجية بنفس القدر في المشاهد الرياضية ومشكلات التعبئة، مما يثبت أن هذه المبادئ البيولوجية هي وسيلة موثوقة لتحسين حل المشكلات الحاسوبية عبر أنواع مختلفة من التحديات.

تقدم النتائج مساراً واضحاً لتحسين كيفية حل الحواسيب للمشكلات المعقدة. فمن خلال معاملة البحث عن حل كأنه نظام بيئي حي يتطلب الحماية، والتقليم، والاضطراب العرضي، تتجنب استراتيجية الكستناء الفخ الشائع المتمثل في العلوق في أمثل محلية. وتوضح الدراسة أن تنسيق مجموعة متنوعة من تقنيات الإدارة هو نهج أكثر فعالية من محاولة ضبط آلية واحدة. وبينما أُجريت الدراسة من خلال عمليات محاكاة حاسوبية ولم تتضمن تجارب فيزيائية، إلا أن النتائج كانت متسقة وقوية عبر العديد من حالات الاختبار المختلفة. ويقترح المؤلف إمكانية تطبيق هذا النهج على مشكلات أكثر تعقيداً في المستقبل، مثل تخطيط مسارات شاحنات التوصيل أو تنظيم الجداول الزمنية، مما يثبت أن أفضل طريقة لحل مشكلة رقمية هي أحياناً النظر إلى الغابة للحصول على الإجابة.