خوارزمية حوت هجينة بالاستراتيجيات التطورية والترشيح للتحسين عالي الأبعاد: تطبيق على بيانات السرطان بالمصفوفات الدقيقة

تحتل خوارزميات التحسين المستوحاة من الطبيعة مكانة متقدمة في معالجة مسائل البحث عالية الأبعاد، ومن أبرزها خوارزمية الحوت المستلهمة من سلوك الصيد الجماعي للحيتان الحدباء، غير أن الصيغة القياسية منها عرضة للوقوع في حلول دون المثلى ولضعف الكفاءة حين يتسع فضاء البحث وتتعقد أبعاده

وتنشأ نقطة الضعف الأولى مبكرًا، إذ غالبًا ما تتوزع المجموعات الابتدائية المولدة حاسوبيًا توزعًا غير متساو في فضاء الحلول، فتتدنى درجة التنوع وينعكس ذلك على جودة الاستكشاف والاستغلال معًا، ومن هنا يصبح فحص مكونات الخوارزمية وتطويرها ضرورة منهجية قبل الوثوق بنتائجها في التطبيقات الحساسة كتحليل بيانات السرطان الجينية

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير خوارزمية الحوت القياسية عبر دمجها باستراتيجية تطورية ذات إعادة تركيب منفصلة تعزز تنوع التهيئة الابتدائية، وبتقنيات ترشيح واختزال للبيانات، بما يعالج مثالبها الرئيسة في فضاءات البحث عالية الأبعاد ويحسن جودة الحلول وكفاءة البحث

واعتمدت الدراسة تجارب محاكاة قارنت الخوارزمية المقترحة بالأصلية على ثلاث عشرة دالة اختبار معيارية أحادية النمط ومتعددة الأنماط، ثم وظفت تقنيتي اختزال للبيانات هما مسافة بهاتاشاريا ونسبة الإشارة إلى الضوضاء، وطبقت الخوارزميتين على ست مجموعات بيانات سرطان بالمصفوفات الدقيقة لتحسين معاملات آلة المتجهات الداعمة التي تتفوق في التعامل مع مجموعات البيانات عالية الأبعاد والسمات العددية، والتي يحسن ضبط معاملاتها أداءها بدرجة كبيرة رغم جودته أصلًا بإعداداته الافتراضية

ثانيًا: أبرز النتائج

1- تحققت تجارب المحاكاة على الدوال المعيارية أحادية النمط ومتعددة الأنماط من أداء أفضل للخوارزمية المقترحة من حيث الدقة وانخفاض المتوسط الأدنى وانخفاض الانحراف المعياري، متفوقة على خوارزمية الحوت الأصلية في مؤشرات الاستقرار والجودة معًا

2- أدى دمج الاستراتيجية التطورية ذات إعادة التركيب المنفصل إلى توزيع أكثر توازنًا للمجموعات الابتدائية في فضاء الحلول وتنوع أعلى، مما عالج قصور التهيئة الذي كان يضعف البحث منذ خطواته الأولى ويحد من كفاءة الاستكشاف اللاحق

3- أظهرت التطبيقات على مجموعات بيانات السرطان الست بالمصفوفات الدقيقة أن الخوارزمية المقترحة حسنت معاملات آلة المتجهات الداعمة بفاعلية، وأبانت بنية جديدة تعالج أوجه القصور الرئيسة في الخوارزمية الأصلية كما أظهر الفحص الشامل والنتائج المفصلة

4- خلصت المقارنات إلى أن الخوارزمية الهجينة المقترحة تتفوق على خوارزمية الحوت القياسية بفروق دالة في مجمل التجارب، بما يجعلها خيارًا أرصن لمهام التحسين عالي الأبعاد وتطبيقات تصنيف البيانات الجينية

ثالثًا: دلالات الدراسة وتطبيقاتها

وتفيد هذه النتائج باحثي الذكاء الاصطناعي والمعلوماتية الحيوية بأن تحسين التهيئة والتنوع في خوارزميات الاستدلال الفوقي مدخل مؤثر لا يقل أهمية عن تطوير مؤثرات البحث ذاتها، وأن الدمج المدروس بين أسر خوارزمية مختلفة قد يحقق مكاسب لا تبلغها الصيغ النقية المنفردة

كما تفتح الدراسة آفاقًا لتعميم الأسلوب على مسائل تحسين أخرى عالية الأبعاد في التشخيص الطبي واكتشاف المؤشرات الحيوية، مع ضرورة اختبار متانته على مجموعات بيانات أوسع ومعايير تقويم متنوعة قبل اعتماده في خطوط معالجة تحليلية أوسع نطاقًا

ويتصل هذا التطوير بمسار بحثي واسع يسعى إلى تعزيز خوارزميات الاستدلال الفوقي بمكونات من أسر أخرى، إذ أثبتت التهجينات المتكررة أن نقاط ضعف خوارزمية ما غالبًا ما تعالجها قوة خوارزمية أخرى، سواء تعلق الأمر بالتهيئة أو التنويع أو التكثيف الموضعي للبحث في المناطق الواعدة من فضاء الحلول الممتد

كما يبرز البعد التطبيقي للدراسة في مجال المعلوماتية الحيوية، إذ تتسم بيانات المصفوفات الدقيقة بآلاف الجينات مقابل عينات محدودة العدد، فتغدو مسائل اختيار السمات وضبط المعاملات مسائل تحسين عالية الأبعاد بامتياز، وأي تقدم في كفاءة الخوارزميات المستخدمة فيها ينعكس مباشرة على جودة نماذج التصنيف الداعمة لبحوث السرطان وتشخيصه المبكر

وخلاصة القول إن الخوارزمية الهجينة المقترحة تمثل تطويرًا مؤسسًا لخوارزمية الحوت القياسية، إذ عالجت قصور التهيئة والتنوع بالاستراتيجيات التطورية والترشيح، وأثبتت تفوقها في الدوال المعيارية وفي ضبط معاملات تصنيف بيانات السرطان، مما يعزز حضورها في منظومة أدوات التحسين الذكي عالي الأبعاد