تمثل مشكلات الأمثلة متعددة الأهداف واسعة النطاق ذات الندرة فئة صعبة من مشكلات التحسين الرياضي، إذ تتسم بعدد هائل من متغيرات القرار، بينما تتكون حلولها المثلى وفق مبدأ باريتو في معظمها من متغيرات قرار قيمها صفر، أي إن الحل الأمثل حل متناثر تتركز قيمته في عدد قليل من المتغيرات المؤثرة وسط بحر من المتغيرات الصفرية، وتطرح هذه الخاصية تحديا كبيرا أمام الخوارزميات التطورية يتمثل في كيفية البحث السريع والدقيق عن الحلول المثلى ضمن فضاء بحث شاسع الأبعاد، وتقترح هذه الدراسة خوارزمية تطورية مصممة خصيصا لمعالجة هذه الفئة من المشكلات، تستثمر تقنيات اختيار السمات في توليد المجتمع الأولي وتوجيه مسار التطور نحو المناطق الواعدة من فضاء الحلول
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير خوارزمية تطورية قائمة على اختيار السمات المساعد تعالج مشكلات الأمثلة متعددة الأهداف واسعة النطاق ذات الندرة بفاعلية أعلى من الخوارزميات القائمة، وجمعت استراتيجية الأمثلة المقترحة بين مقاربتين متميزتين لاختيار السمات، إذ أدخلت الدراسة أولا مقاربة الاختيار الأمامي التسلسلي لاستقصاء التوزيع المتناثر المستقل، بوصفها أفضل تسلسل لمتغيرات القرار يتيح توليد مجتمع أولي عالي الجودة يبدأ منه البحث التطوري من نقطة قوية بدلا من العشوائية الكاملة، وأدخلت ثانيا مقاربة ريلييف لتحديد التوزيع المتناثر النسبي، عبر تعيين متغيرات القرار الحاسمة ذات الأهمية النسبية الأعلى مع تحديثات دينامية توجه المجتمع التطوري في اتجاه واعد أثناء تقدم البحث، وبهذا التكامل بين المقاربتين عالجت الخوارزمية مشكلتي جودة البداية ودقة التوجيه معا
ثانيًا: أبرز النتائج
أجريت التجارب على ثماني مشكلات معيارية ومشكلتين من مشكلات العالم الواقعي لاختبار أداء الخوارزمية المقترحة في بيئات متنوعة الصعوبة والتطبيق، وأثبتت النتائج التجريبية أن الخوارزمية المقترحة تتفوق على الخوارزميات التطورية الأحدث القائمة والمخصصة لحل مشكلات الأمثلة متعددة الأهداف واسعة النطاق ذات الندرة، وهو تفوق يعزى إلى ما وفرته مقاربتا اختيار السمات من تقليص ذكي لأبعاد البحث الفعلية، إذ ركزت الخوارزمية جهدها الحسابي على متغيرات القرار الحاسمة التي تحمل القيم غير الصفرية في الحلول المثلى، وتجنبت إهدار الموارد في استكشاف متغيرات لا أثر لها، فتحقق بذلك توازن أفضل بين سرعة التقارب ودقة الحلول المكتشفة ضمن جبهة باريتو المثلى
ثالثًا: دلالات الدراسة وتطبيقاتها
تتجلى دلالات هذه الدراسة في مجال الأمثلة الحاسوبية والذكاء الاصطناعي التطوري، إذ تقدم وصفة منهجية عامة مفادها أن دمج تقنيات اختيار السمات في بنية الخوارزميات التطورية يمكن أن يحول خاصية الندرة من عبء حسابي إلى ميزة يستدل بها على مواقع الحلول الجيدة، ويمكن نقل هذا المبدأ إلى طيف واسع من التطبيقات الواقعية التي تنطوي على آلاف المتغيرات ولا يؤثر منها فعليا إلا قلة، كاختيار المحافظ الاستثمارية وتصميم الشبكات وتخصيص الموارد واختيار السمات ذاته في تعلم الآلة واسع النطاق، كما تفتح الدراسة الباب أمام بحوث لاحقة تطور آليات تكيفية لاختيار السمات تتكامل مع مراحل التطور المختلفة وتختبر الخوارزمية في مشكلات أضخم وأكثر تعددا في الأهداف
وتقوم فكرة الخوارزمية على مبدأ منهجي عام يتجاوز حدود هذه الدراسة، وهو أن كثيرا من مشكلات الأمثلة الواقعية واسعة النطاق تخفي بنية متناثرة يمكن استثمارها، فبدلا من معاملة جميع متغيرات القرار بوصفها متساوية الأهمية منذ البداية، تعمل آليات اختيار السمات عمل المرشد الذي يضيء للبحث التطوري مواضع التركيز الأعلى احتمالا للحلول الجيدة، فيتقلص فضاء البحث الفعال من دون التضحية بجودة الحلول النهائية، وهو توازن دقيق بين الاستكشاف والاستثمار طالما شكل قلب التحدي في الحوسبة التطورية
كما أن اختيار مشكلتين من العالم الواقعي إلى جانب المشكلات المعيارية الثماني يعزز الثقة بقابلية الخوارزمية للانتقال من المختبر إلى التطبيق، إذ تختبر المشكلات الواقعية متانة الأداء أمام قيود لا تحاكيها المشكلات الاصطناعية بالكامل، ويمنح تفوق الخوارزمية فيهما مؤشرا عمليا على صلاحيتها لمهام أمثلة حقيقية واسعة النطاق ومتعددة الأهداف
وخلاصة القول إن الخوارزمية التطورية المقترحة القائمة على اختيار السمات المساعد، بدمجها بين الاختيار الأمامي التسلسلي لتوليد مجتمع أولي عالي الجودة ومقاربة ريلييف لتوجيه التطور ديناميا نحو متغيرات القرار الحاسمة، قدمت حلا فعالا لمشكلات الأمثلة متعددة الأهداف واسعة النطاق ذات الندرة، متفوقة على أحدث الخوارزميات القائمة في تجارب معيارية وواقعية، ومؤكدة أن فهم بنية المشكلة واستثمارها أجدى من البحث الأعمى في فضاءات شاسعة الأبعاد
