تقدم هذه الدراسة خوارزمية جديدة للتحسين مصممة للتعامل مع مسائل التحسين المنفصل والتوافقي التي تتسم بتعقيد حسابي مرتفع، مثل مسائل التوجيه والجدولة وتخصيص الموارد، إذ تحد هذه الصعوبة من فاعلية أساليب التحسين الدقيقة التقليدية عند التعامل مع المسائل كبيرة الحجم، ويلاحظ أن أغلب الخوارزميات الاستدلالية الفوقية القائمة صممت في الأصل للمجالات المتصلة، وأن تطبيقها على المسائل المنفصلة يتطلب إجراءات تحويل غالبًا ما تضعف أداءها، ومن هنا تنبع أهمية تطوير خوارزمية تعمل مباشرة داخل فضاءات البحث المنفصلة بمشغلات مصممة خصيصًا لهذا النوع من المسائل، تجمع بين استكشاف فضاء الحلول واستغلال الحلول الجيدة المكتشفة على نحو متكيف يوازن بين التنويع والتركيز طوال عملية البحث
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير متغير جديد من الخوارزميات الاستدلالية الفوقية أطلق عليه اسم محسن البوما المنفصل، يعمل مباشرة في فضاءات البحث المنفصلة باستخدام مشغلات خاصة بالبحث المنفصل واستراتيجيات تكيفية للاستكشاف والاستغلال، ثم تقييم أدائه على سبع مسائل تحسين واقعية شملت مسألة البائع المتجول وتحسين الشبكات الذكية وتخطيط إنتاج المصانع ومسألة توجيه المركبات ومسألة البائع المتجول الحديثة ومسألة التوجيه الجماعي وموقع محطات شحن المركبات الكهربائية، وذلك عبر اثنتين وعشرين حالة بيانات صغيرة ومتوسطة وكبيرة الحجم، وقورن أداء الخوارزمية الجديدة بتسع خوارزميات استدلالية فوقية معروفة، واستخدمت اختبارات الرتب الموقعة الإحصائية للتحقق من الدلالة الإحصائية للفروق في الأداء بين الخوارزميات المتنافسة ويتميز التصميم المنهجي للدراسة بشموله، إذ لم يقتصر التقييم على مسألة واحدة أو حجم بيانات واحد، بل امتد عبر مسائل تنتمي إلى مجالات تطبيقية متباينة كالنقل والطاقة والصناعة والخدمات اللوجستية، وبأحجام تراوحت بين الصغيرة والكبيرة، وهو ما يجعل الحكم على الخوارزمية حكمًا على قدرتها العامة لا على ملاءمتها لمسألة بعينها، كما أن استخدام اختبارات إحصائية لابارامترية للتحقق من دلالة الفروق يضفي على الاستنتاجات صرامة منهجية تتجاوز المقارنات الوصفية لمتوسطات الحلول
ثانيًا: أبرز النتائج
أظهرت النتائج التجريبية أن محسن البوما المنفصل حقق حلولًا أفضل في القيمتين المثلى والمتوسطة، وتباينًا أقل بين المحاولات، واستقرارًا أسرع في سلوك التقارب نحو الحلول الجيدة مقارنة بالخوارزميات المنافسة، وأكدت اختبارات الرتب الموقعة الدلالة الإحصائية للتحسينات الملاحظة، ولا سيما في السيناريوهات كبيرة الحجم حيث أظهرت الأساليب المنافسة تدهورًا ملحوظًا في الأداء، كما أبرزت التصنيفات الشاملة عبر المسائل المختلفة قدرة الخوارزمية الجديدة على التعميم وقابلية التوسع، فحافظت على تفوقها عبر تنوع المسائل وأحجام البيانات، وهو ما يشير إلى متانة تصميمها القائم على المشغلات المنفصلة والموازنة التكيفية بين الاستكشاف والاستغلال في التعامل مع فضاءات بحث معقدة ومتقطعة بطبيعتها ويكتسب تفوق الخوارزمية في السيناريوهات كبيرة الحجم دلالة عملية خاصة، لأن المسائل الواقعية في التوجيه والجدولة وتخصيص الموارد غالبًا ما تكون كبيرة ومتزايدة التعقيد، وهي البيئة التي تتراجع فيها كثير من الأساليب المنافسة، فإذا حافظت الخوارزمية على جودة حلولها واستقرارها مع نمو حجم المسألة، فإنها تقدم للممارسين أداة يمكن الاعتماد عليها في مشكلات تشغيلية حقيقية، كتخطيط أساطيل النقل وجدولة خطوط الإنتاج وتحديد مواقع محطات الخدمة والشحن بكلفة وزمن مقبولين
ثالثًا: دلالات الدراسة وتطبيقاتها
تضع هذه النتائج محسن البوما المنفصل في موقع منهجي واعد بوصفه مقاربة فعالة ومتينة لمهام التحسين المنفصل الواقعية كبيرة الحجم، إذ يمكن توظيفه في تطبيقات لوجستية وصناعية وطاقية متنوعة كتخطيط مسارات المركبات وجدولة الإنتاج وتخصيص الموارد وتحديد مواقع المنشآت والخدمات، كما تفتح الدراسة الباب أمام بحوث لاحقة توسع نطاق اختبار الخوارزمية على مسائل منفصلة أخرى، أو تدمجها مع خوارزميات أخرى في صيغ هجينة، أو تدرس أثر ضبط معاملاتها في الأداء، وتفيد المقارنة الشاملة التي قدمتها الدراسة الباحثين في اختيار الخوارزميات المناسبة لطبيعة مسائلهم، وتؤكد في الوقت نفسه أهمية تصميم المشغلات بما يناسب بنية فضاء البحث بدل الاكتفاء بتحويل الحلول من المجالات المتصلة كما تسهم الدراسة في تطوير أدبيات الذكاء الحسابي من جهة تصميم الخوارزميات للمجالات المنفصلة تحديدًا، إذ تبين أن بناء المشغلات داخل فضاء البحث المنفصل ذاته أكثر جدوى من تكييف خوارزميات المجالات المتصلة عبر التحويل، وهو درس منهجي يمكن أن يوجه تطوير متغيرات منفصلة من خوارزميات أخرى، ويمهد لبحوث تدرس خصائص مشغلات البحث المنفصل وأنماط الموازنة بين الاستكشاف والاستغلال في فضاءات الحلول التوافقية المتقطعة بطبيعتها
وخلاصة القول إن الدراسة قدمت خوارزمية تحسين منفصلة جديدة تعمل مباشرة في فضاءات البحث المنفصلة، وأثبتت عبر اختبارات واسعة على مسائل واقعية متعددة تفوقها في جودة الحلول واستقرارها وسرعة تقاربها، وبذلك تضيف أداة فعالة إلى حقل الذكاء الحسابي وأساليب التحسين التوافقي
