تواجه كثير من مشكلات التحسين الواقعية أهدافًا متعددة متعارضة ينبغي تحقيقها في وقت واحد، كخفض التكلفة ورفع الجودة معًا، غير أن تقييم الحلول المرشحة في هذه المشكلات قد يكون باهظ الكلفة حسابيًا أو تجريبيًا، بما يجعل الوصول إلى الحلول المثلى تحديًا حقيقيًا، وفي هذا السياق تقترح هذه الدراسة المنشورة في مجلة النظم المركبة والذكية خوارزمية تطورية متعددة الأهداف يعاونها التعلم شبه الموجه، لمعالجة مشكلات الأهداف المتعددة المكلفة بكفاءة أعلى وعدد أقل من التقييمات الفعلية
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير خوارزمية تطورية متعددة الأهداف قادرة على التعامل مع المشكلات ذات التقييمات المكلفة، انطلاقًا من ملاحظة أن الخوارزميات التطورية متعددة الأهداف القائمة أظهرت كفاءة ممتازة في معالجة المهام متعددة الأهداف، غير أن استخدامها في المشكلات المكلفة يعوقه العدد الكبير من التقييمات الدقيقة اللازمة لإيجاد الحلول المثلى على جبهة باريتو، حيث لا يمكن تحسين هدف دون الإضرار بهدف آخر
واعتمدت الخوارزمية المقترحة على توظيف تقنية التعلم شبه الموجه في تدريب النماذج البديلة التي تقرب دوال الأهداف، بحيث تُحدد قيمة كل دالة هدف بوصفها متوسطًا موزونًا للقيم المقدرة من جميع النماذج البديلة الخاصة بتلك الدالة، وتُحسَّن الأوزان عبر مسألة تركيب محدب، كما يُحدد عدد الحلول غير المصنفة المشاركة في تدريب النماذج تحديدًا متكيفًا استنادًا إلى التقييمات الموضوعية المنفذة، بما يوازن بين استثمار البيانات المتاحة واستكشاف حلول جديدة
ثانيًا: أبرز النتائج
اختبرت الدراسة الخوارزمية المقترحة على مجموعة من مسائل الاختبار المعروفة من طراز دي تي إل زد ذات ثلاثة أهداف وخمسة أهداف وعشرة أهداف، إلى جانب تطبيق عملي، وقارنت أداءها بست خوارزميات تطورية حديثة مخصصة للمشكلات المكلفة، فأظهرت النتائج المقارنة كفاءة عالية للخوارزمية المقترحة في بلوغ حلول قريبة من المثلى بعدد أقل من التقييمات المكلفة
وبدا تفوق الخوارزمية أوضح ما يكون في المشكلات ذات جبهات باريتو غير المنتظمة، وهي المشكلات التي يصعب على الخوارزميات التقليدية توزيع حلولها على امتدادها توزيعًا متوازنًا، إذ مكن الجمع بين التعلم شبه الموجه والنماذج البديلة المتعددة بأوزان محسنة من التقاط بنية هذه الجبهات بدقة أعلى، بما يؤكد قيمة استثمار الحلول غير المصنفة التي تهملها الطرائق التقليدية عادة في تدريب النماذج البديلة
ثالثًا: دلالات الدراسة وتطبيقاتها
تحمل الخوارزمية المقترحة دلالات تطبيقية للمجالات التي يكون فيها تقييم الحل الواحد مكلفًا، كالتصميمات التي تتطلب محاكاة مطولة أو تجارب ميدانية باهظة، إذ يتيح تقليل عدد التقييمات اللازمة استكشاف بدائل تصميمية أوسع بالموارد ذاتها، ويوازن بين أهداف متعارضة بوعي أدق بالمفاضلات الممكنة بينها
كما تقدم الدراسة للباحثين في مجال التحسين التطوري مسارًا منهجيًا يمكن البناء عليه، يتمثل في دمج التعلم شبه الموجه في تدريب النماذج البديلة وتكييف حجم البيانات غير المصنفة المستخدمة مع سير عملية البحث، بما يفتح الباب لتطوير خوارزميات أذكى في استثمار كل تقييم مكلف يُنفذ أثناء الحل
وتستند قيمة الخوارزمية المقترحة إلى ملاحظة منهجية مهمة، وهي أن جولات البحث التطوري تولد أعدادًا كبيرة من الحلول التي لا تخضع لتقييم فعلي مكلف، وتبقى هذه الحلول غير المصنفة مهملة في الطرائق التقليدية، بينما يحولها التعلم شبه الموجه إلى مادة تدريبية تحسن دقة النماذج البديلة دون كلفة تقييم إضافية، ومع تحديد عددها تحديدًا متكيفًا بحسب التقييمات المنفذة يظل التدريب متناسبًا مع مرحلة البحث وحجم ما تراكم من معرفة مؤكدة بالحلول المقيمة فعليًا
أما تركيب النماذج البديلة المتعددة بمتوسط موزون تحسن أوزانه عبر مسألة تركيب محدب، فيضيف طبقة متانة إلى التقدير، إذ لا تعتمد قيمة دالة الهدف على نموذج بديل واحد قد يخطئ في مناطق بعينها من فضاء البحث، بل على إجماع موزون بين نماذج متعددة تتكامل نقاط قوتها، وهو ما يفسر جانبًا من كفاءة الخوارزمية في الجبهات غير المنتظمة التي تتفاوت فيها صعوبة التقريب من منطقة إلى أخرى
وخلاصة القول إن هذه الدراسة تقدم خوارزمية تطورية متعددة الأهداف يعاونها التعلم شبه الموجه، تعالج مشكلة كلفة التقييم التي تعوق حل المشكلات الواقعية متعددة الأهداف، وقد أثبتت كفاءتها على مسائل اختبار معيارية وتطبيق عملي، ولا سيما في المشكلات ذات الجبهات غير المنتظمة التي تستعصي على الطرائق التقليدية
