ما هي الخوارزميات المستوحاة من الطبيعة واستخداماتها ؟

<div id&equals;"wtr-content" &NewLine;&Tab; &Tab;data-bg&equals;"&num;FFFFFF" &NewLine;&Tab; &Tab;data-fg&equals;"&num;dd9933" &NewLine;&Tab; &Tab;data-width&equals;"6" &NewLine;&Tab; &Tab;data-mute&equals;"1" &NewLine;&Tab; &Tab;data-fgopacity&equals;"1&period;00" &NewLine;&Tab; &Tab;data-mutedopacity&equals;"1&period;00" &NewLine;&Tab; &Tab;data-placement&equals;"bottom" &NewLine;&Tab; &Tab;data-placement-offset&equals;"0" &NewLine;&Tab; &Tab;data-content-offset&equals;"0" &NewLine;&Tab; &Tab;data-placement-touch&equals;"bottom" &NewLine;&Tab;&Tab; data-placement-offset-touch&equals;"0" &NewLine;&Tab; &Tab;data-transparent&equals;"1" &NewLine;&Tab; &Tab;data-shadow&equals;"0" &NewLine;&Tab; &Tab;data-touch&equals;"1" &NewLine;&Tab; &Tab;data-non-touch&equals;"0" &NewLine;&Tab; &Tab;data-comments&equals;"" &NewLine;&Tab; &Tab;data-commentsbg&equals;"&num;ffcece" &NewLine;&Tab; &Tab;data-location&equals;"page" &NewLine;&Tab; &Tab;data-mutedfg&equals;"&num;dd9933" &NewLine;&Tab; &Tab;data-endfg&equals;"transparent" &NewLine;&Tab; &Tab;data-rtl&equals;"1" &NewLine;&Tab; &Tab;>&NewLine;<p><a href&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;&percnt;D8&percnt;B3&percnt;D9&percnt;84&percnt;D8&percnt;B3&percnt;D9&percnt;84&percnt;D8&percnt;A9-&percnt;D8&percnt;AA&percnt;D8&percnt;B9&percnt;D9&percnt;84&percnt;D9&percnt;85-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;AE&percnt;D9&percnt;88&percnt;D8&percnt;A7&percnt;D8&percnt;B1&percnt;D8&percnt;B2&percnt;D9&percnt;85&percnt;D9&percnt;8A&percnt;D8&percnt;A7&percnt;D8&percnt;AA-&percnt;D9&percnt;85&percnt;D8&percnt;A7-&percnt;D9&percnt;87&percnt;D9&percnt;8A-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;AE&percnt;D9&percnt;88&percnt;D8&percnt;A7&percnt;D8&percnt;B1&percnt;D8&percnt;B2&percnt;D9&percnt;85&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">الخوارزميات <&sol;a>في جوهرها هي عبارة عن سلسلة من التعليمات البسيطة التي يمكن نهجها لتحقيق غاية ما&period; إذا ما بحثنا، نجد من بينها <a href&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;&percnt;D8&percnt;B3&percnt;D9&percnt;84&percnt;D8&percnt;B3&percnt;D9&percnt;84&percnt;D8&percnt;A9-&percnt;D8&percnt;AA&percnt;D8&percnt;B9&percnt;D9&percnt;84&percnt;D9&percnt;85-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;AE&percnt;D9&percnt;88&percnt;D8&percnt;A7&percnt;D8&percnt;B1&percnt;D8&percnt;B2&percnt;D9&percnt;85&percnt;D9&percnt;8A&percnt;D8&percnt;A7&percnt;D8&percnt;AA-&percnt;D9&percnt;85&percnt;D8&percnt;A7-&percnt;D9&percnt;87&percnt;D9&percnt;8A-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;AE&percnt;D9&percnt;88&percnt;D8&percnt;A7&percnt;D8&percnt;B1&percnt;D8&percnt;B2&percnt;D9&percnt;85-2&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">الخوارزميات العودية<&sol;a> وإذا بحثنا بين هذه الأخيرة نجد الخوارزميات التحسينية، مثل الخوارزمية التالية والتي تستخدم لإيجاد الجذور المربعة لأي عدد حقيقي موجب&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<figure class&equals;"wp-block-image size-full"><img src&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;wp-content&sol;uploads&sol;2022&sol;06&sol;Screenshot-2022-06-17-190224&period;png" alt&equals;"خوارزمية لإيجاد الجذور المربعة لأي عدد حقيقي موجب" class&equals;"wp-image-52027"&sol;><&sol;figure>&NewLine;&NewLine;&NewLine;&NewLine;<p>ما يحدد كفاءة الخوارزمية هو <a href&equals;"https&colon;&sol;&sol;ar&period;wikipedia&period;org&sol;wiki&sol;&percnt;D8&percnt;B3&percnt;D8&percnt;B1&percnt;D8&percnt;B9&percnt;D8&percnt;A9&lowbar;&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;AA&percnt;D9&percnt;82&percnt;D8&percnt;A7&percnt;D8&percnt;B1&percnt;D8&percnt;A8" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">سرعة تقاربها<&sol;a> convergence speed&period; ومن السهل إثبات صحة أن <a href&equals;"https&colon;&sol;&sol;www&period;chilimath&period;com&sol;lessons&sol;basic-math-proofs&sol;proof-the-square-root-of-a-prime-number-is-irrational&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">الجذور المربعة لأي عدد أولي هي أعداد غير كسرية<&sol;a>، أي أنها أعداد برقم لا نهائي من الأعداد بعد الفاصلة، وبالتالي لا يمكن حسابها&period; لكن باستخدام هذه الخوارزمية يمكننا التقارب لإيجاد حل مرضٍ بالدقة التي نريد&period;<br><br>ورغم فعالية الخوارزميات التحسينية إلا أن انتاجها لا يمكن أن يتم إلا بالمحاولة والخطأ&period; ما يجعل إنتاجها صعبا للغاية ومستحيلًا في بعض الأحيان&period; ومن هنا يأتي ما اعتدنا عليه منذ الأزل وهو تأملنا الطبيعة واستنباط المنطق وراء أنظمتها لإنتاج خوارزميات جد فعالة لحل عدد لا يحصى من المشاكل&period; يدعى هذا الحل السحري بالخوارزميات التحسينية المستوحاة من الطبيعة&period;<br><br>فما هي الخوارزميات المستوحاة من الطبيعة؟ و كيف ظهرت؟ وما أبرزها؟ ما هي استعمالاتها؟ وما الخصائص التي تتشارك فيها هذه الخوارزميات؟<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">ما هي الخوارزميات التحسينية المستوحاة من الطبيعة ؟<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>الخوارزميات التحسينية المستوحاة من الطبيعة هي مجموعة من الخوارزميات المستنبطة من الظواهر الطبيعية مثل ذكاء السرب، والأنظمة البيولوجية، والتطور الطبيعي، والأنظمة الفيزيائية والكيميائية، إلخ&period; ويعتبر تطوير هذه الخوارزميات فرعًا مهمًا من فروع <a href&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;&percnt;D9&percnt;85&percnt;D9&percnt;82&percnt;D8&percnt;AF&percnt;D9&percnt;85&percnt;D8&percnt;A9-&percnt;D8&percnt;B9&percnt;D9&percnt;86-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;B0&percnt;D9&percnt;83&percnt;D8&percnt;A7&percnt;D8&percnt;A1-&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;A7&percnt;D8&percnt;B5&percnt;D8&percnt;B7&percnt;D9&percnt;86&percnt;D8&percnt;A7&percnt;D8&percnt;B9&percnt;D9&percnt;8A&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">الذكاء الاصطناعي<&sol;a>، بحيث عرفت تطورًا سريعًا وإقبالًا واسعًا في الثلاثين عام الأخيرة نظرًا لإمكانياتها وتعدد مجالات استعمالها&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">ظهور الخوارزميات التحسينية<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p><a href&equals;"http&colon;&sol;&sol;www&period;mitrikitti&period;fi&sol;opthist&period;html" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">ظهرت الخوارزميات التحسينية<&sol;a> في بداية القرن التاسع عشر على يد عدد من علماء الرياضيات «Ùƒ ويستراس K&period;T&period;W Weierstrass»ØŒ و«Ø´ØªØ§ÙŠÙ†Ø± J&period; Steiner»ØŒ و«Ù‡Ø§Ù…يلتون W&period;R&period;Hamilton»ØŒ و«Ø¬Ø§ÙƒÙˆØ¨ÙŠ C&period;G&period;J Jacobi»&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">ظهور الخوارزميات التحسينية المستوحاة من الطبيعة<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>على مر التاريخ وخصوصًا في الفترات الأولى، اعتمدت مقاربتنا نحن البشر في حل المشاكل التي نواجهها ولا تزال على التجربة والخطأ&period; أي أنها مقاربة تفاعل مع النظام المراد استكشافه خطوة بخطوة metaheuristic approach&period; فعدد كبير من الاكتشافات تم عن طريق التفكير خارج الصندوق أو بالصدفة، وهذا ما يعنيه الحدس heuristic&period; ورغم ذلك نجد أن أول استعمال مسجل لاستخدام هذه المقاربة كطريقة علمية رياضية meta-heuristic method لحل المشاكل problem-solving كان على الأرجح خلال فترة الحرب العالمية الثانية على يد عالم الرياضيات والحوسبة الغني عن التعريف «Ø£Ù„ان تورنغ»&period; استخدم تورنغ تلك التقنيات لفك تشفير إتصالات الألمان وكسر آلية تشفيرها Enigma&period; ورغم كون هذه الطريقة غير مضمونة الوصول للنتائج المرجوة إلا أن استعمالها في مشروعه كان نجاحًا باهرًا، ما أعطى دول الحلفاء ورقة رابحة لإنهاء الحرب لصالحهم&period;<br><br>بعدها بسنوات عديدة، وبدءاً من ستينيات القرن الماضي، عاد انتباه الأوساط العلمية لهذه المقاربة بتقديم عدد من الخوارزميات الثورية في مجال التحسين والحساب المعقد&period; حيث بدأت في هذه الفترة أول الخوارزميات التطورية بالظهور&period; وفي سنة 1960، اقترح مهندس الطيران حينها «Ù„ورانس جيروم فوغل» استخدام التطور المحاكى كعملية تعلم لتطوير ودراسة الذكاء الاصطناعي&period;<br><br>في نفس الوقت، كان العالم والمهندس «Ø¬ÙˆÙ† هولاند John Holland» يعمل رفقة زملائه في جامعة ميشيغان على استكشاف وإنتاج أول الخوارزميات الجينية&period; وهو ما توج لاحقًا بنشر مجموع أبحاثه في كتابه «<a href&equals;"https&colon;&sol;&sol;mitpress&period;mit&period;edu&sol;books&sol;adaptation-natural-and-artificial-systems" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">Adaptation in natural and artificial systems<&sol;a>» سنة 1975&period; بعدها تم كتابة مئات الكتب وآلاف المقالات عن هذا الموضوع&period;<br><br>الأعوام التي تلت كانت جد حافلة بحيث شهدت تطوير مختلف أنواع الخوارزميات وفتح مجالات بحثية خاصة بكل منها&period;قاد ذلك الحراك عدد من الرواد مثل عالم الرياضيات «Ø´ÙŠÙ† شي يانغ Xin-She Yang» مطور خوارزميات مثل «Ø¨Ø­Ø« الوقواق CS»ØŒ و«Ø®ÙˆØ§Ø±Ø²Ù…ية الخفاش BA»ØŒ و«Ø®ÙˆØ§Ø±Ø²Ù…ية اليراعة FA»ØŒ وغيرهم&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">أمثلة على الخوارزميات المستوحاة من الطبيعة<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>حتى الآن، تم تقديم عدد كبير من الخوارزميات المستنبطة من الطبيعة، رفقة عدد أكبر من متحوراتها الأكثر تخصصًا&period; يمكن لهذه الخوارزميات أن تستخدم في مختلف المجالات، من بينها نجد&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<ul class&equals;"wp-block-list"><li>الخوارزميات الجينية أو Genetic Algorithms، إختصارًا GA&period;<&sol;li><li>خوارزميات إستمثال عناصر السرب أو Particle Swarm Optimization، اختصارًا PSO Algorithms&period;<&sol;li><li>خوارزمية التطور التافضلي Differential evolution، اختصار DE Algorithm&period;<&sol;li><li>الخوارزمية مستعمرة النحل الاصطناعية Artificial Bee Colony، اختصارًا ABC Algorithm&period;<&sol;li><li>خوارزمية التحسين مستعمرة النمل Ant Colony Optimization، اختصارًا ACO Algorithm&period;<&sol;li><li>الخوارزمية بحث الوقواق Cuckoo Search، اختصارًا CS Algorithm&period;<&sol;li><li>خوارزمية الخفاش Bat Algorithm، اختصارًا BA&period;<&sol;li><li>خوارزمية اليراعة Firefly Algorithm، اختصارًا FA&period;<&sol;li><li>الخوارزمية المنيعة Immune Algorithm، اختصارًا IA&period;<span style&equals;"font-family&colon; Arial"><&sol;span><&sol;li><li>خوارزمية التحسين الذئب الرمادي Grey Wolf Optimization، اختصارًا GWO Algorithm&period;<&sol;li><li>الخوارزمية البحث التجاذبي Gravitational Search، اختصارًا GS Algorithm&period;<&sol;li><li>خوارزمية البحث التناغمي Harmony Search، اختصارًا HS Algorithm&period;<&sol;li><&sol;ul>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">ما الخصائص المشتركة بين الخوارزميات التحسينية المستوحاة من الطبيعة ؟<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<figure class&equals;"wp-block-image size-full"><img src&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;wp-content&sol;uploads&sol;2022&sol;06&sol;Picsart&lowbar;22-06-19&lowbar;17-54-48-313&period;png" alt&equals;"الخوارزميات المستوحاة من الطبيعة" class&equals;"wp-image-52100"&sol;><&sol;figure>&NewLine;&NewLine;&NewLine;&NewLine;<p>عند ملاحظة هذه الخوارزميات نجد أن لها بنية متشابهة رغم أن كل واحدة منها محددة في إطارها الخاص&period; من بين هذه التشابهات نجد أن المقاربة التي تنتهجها أغلب الخوارزميات التحسينية المستنبطة من الطبيعة في معالجة المشاكل التي صممت لحلها يمكن تلخيصها في أربع خطوات، وهي&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• وضع الساكنة البدئية&period; لتحقيق هذا، هناك العديد من المقاربات منها الاختيار العشوائي للساكنة 0، &&num;8230&semi; &period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>في هذه الخطوة يمكننا وضع الساكنة البدئية بالحجم الذي نريد شرط ألا يتعدى السعة القصوى&period; بحيث أن السعة القصوى هي أقصى ما يمكن أن تعالجه الخوارزمية كمدخل بالحفاظ على سرعة تنفيذ مقبولة&period; وبالطبع يجب أن تكون هذه السعة أصغر بكثير من حجم مجموعة الساكنة الممكنة، لأن هذا هو المغزى وراء استعمالنا لهذه الخوارزميات&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• حساب معامل التوافق fitness value والتحقق من شروط إنهاء التنفيذ termination conditions&period; فإضافة إلى تحديد حجم الساكنة البدئية وكيفية بنائها، يجب أيضًا وضع المدخلات مثل المتغيرات التي تتدخل في كيفية التنفيذ وشروط وقف التنفيذ وإرجاع الحل&period; فأغلب الخوارزميات التحسينية تستعين بشروط للخروج من دورة التنفيذ المتمثلة في البدء، ثم المعالجة، ثم الفلترة&period; من بين هذه الشروط نجد&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<ul class&equals;"wp-block-list"><li>العدد الأقصى للتكرارات&period; <&sol;li><li>العدد الأقصى للتكرارات عند عدم تغير الحل المحلي الأمثل Local Optima، أي الفرد صاحب أكبر معامل توافق أو عدد من الأفراد الأكثر توافقًا&period; فإن لم يتغير لعدد من التكرارات، يتم اعتباره أفضلها كحل أمثل Global Optima&period; أو أن التقرب للحل الأمثل غير ممكن وفي كلتا الحالتين يتم إرجاع هذا الفرد أو الساكنة الحالية ككل باعتبارها حلًا، ثم وقف التنفيذ&period;<&sol;li><li>عتبة الدقة، أي نسبة الدقة التي يحق للخوارزمية عند تحققها وقف التنفيذ&period; وعند هذه الخطوة نقوم بفلترة الساكنة الناتجة عن الخطوة الثالثة وذلك بترتيبها أولًا حسب معامل توافقها وأخذ الأكثر توافقًا&period; وحجم الساكنة الذي نأخذه هنا لا يمكن أن يكون إلا أصغر من أو يساوي السعة القصوى&period;<&sol;li><li>يحسب معامل الكفاءة أو التوافق fitness value باستعمال دالة نعرفها حسب الحاجة&period; على سبيل المثال، حساب المسافة بين النقطة والتي تليها إن كانت الساكنة عبارة عن سلسلة من النقط في فضاء متجهي وجمعها كمعامل توافق&period;<&sol;li><&sol;ul>&NewLine;&NewLine;&NewLine;&NewLine;<p>•ØªØ­Ø¯ÙŠØ« الساكنة باستخدام عدد من العمليات من بينها الدمج والتحوير&period; فعند عدم تحقيق أي شرط من شروط الخروج، تستمر سلسلة التنفيذ ونتقدم بذلك إلى الخطوة الثالثة والتي يتم خلالها «Ø§Ù„دمج- crossover» بشكل عشوائي بين أفراد الساكنة وإضافة الناتج إلي الساكنة الحالية&period; يمكن أن نفكر في هذا على أنه تزاوج وإنتاج جيل جديد يحمل صفات أسلافه&period; بعد هذا نقوم بنسخ الساكنة ووضع طفرات عشوائية بها random mutations ونضيفها بدورها إلي الساكنة الكلية&period; ونعود بعدها للخطوه الثانية&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>•Ø¥Ø±Ø¬Ø§Ø¹ المخرجات ووقف التنفيذ&period; فعند تحقق أحد شروط الخروج، يتم إرجاع الساكنة الحالية باعتبارها حلاً وإنهاء التنفيذ&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">مفاهيم مهمة لفهم الخوارزميات المستوحاة من الطبيعة<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>• الطريقة «<a href&equals;"https&colon;&sol;&sol;ar&period;wikipedia&period;org&sol;wiki&sol;&percnt;D8&percnt;AD&percnt;D8&percnt;AF&percnt;D8&percnt;B3&lowbar;&percnt;D9&percnt;85&percnt;D9&percnt;87&percnt;D9&percnt;86&percnt;D9&percnt;8A">الحدسية <&sol;a>– <a href&equals;"https&colon;&sol;&sol;en&period;wikipedia&period;org&sol;wiki&sol;Heuristic">heuristic<&sol;a>» هي مقاربة لحل المشاكل باستعمال طرق فعالة لكن غير مضمونة النتائج أو عقلانية في بعض الأحيان&period; لكن الحدسية فعالة وكافية لتحقيق المقاربة approximation وللوصول لنتائج سريعة وتحقيق أهداف متعددة على المدى القصير&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• «<a href&equals;"https&colon;&sol;&sol;ar&period;wikipedia&period;org&sol;wiki&sol;&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;A3&percnt;D8&percnt;AF&percnt;D9&percnt;84&percnt;D8&percnt;A9&lowbar;&percnt;D8&percnt;A7&percnt;D9&percnt;84&percnt;D8&percnt;B9&percnt;D9&percnt;84&percnt;D9&percnt;8A&percnt;D8&percnt;A7">الأدلة العليا<&sol;a> <a href&equals;"https&colon;&sol;&sol;en&period;wikipedia&period;org&sol;wiki&sol;Metaheuristic&num;&colon;~&colon;text&equals;In&percnt;20computer&percnt;20science&percnt;20and&percnt;20mathematical&comma;incomplete&percnt;20or&percnt;20imperfect&percnt;20information&percnt;20or">metaheuristic<&sol;a>» وهي في علم الحاسوب والرياضيات إجراءات أو إرشادات عالية المستوى مصممة لإيجاد أو إبتكار أو اختيار طريقة بحث خوارزمية «Ø­Ø¯Ø³ÙŠØ©» قادرة على توفير حل مقبول لمشكلة تحسينية&period; نلجأ إليها خاصة عند عدم توافر معلومات أو قوة حوسبية كافية تخولنا استخدام الطرق التقليدية&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">أهم التحديات التي تواجه الخوارزميات المستوحاة من الطبيعة<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>عرفت الثلاثون سنة الأخيرة تقديم عدد كبير من خوارزميات الأدلة العليا meta-heuristic Algorithms بحيت نجد أن هذا الإنتاج متطورًا بشكل أسي أي بسرعة متضاعفة&period; ما جعلنا نرى في الآونة الأخيرة صدور خوارزميات الأدلة العليا بشكل يومي، وهو ما دفع بدوره تطوير الخوارزميات التحسينية والخوارزميات التحسينية المستوحاة من الطبيعة لمنحى أسي كذلك&period; أسهم ذلك بشكل كبير في تقديم حلول ناجحة وفعالة للمشاكل التحسينية في مجال الذكاء الاصطناعي وعدد من المجالات الهندسية الأخرى&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>لكن رغم هذا التقدم الكبير و النجاح الباهر الذي حققته هذه الخوارزميات وهذا المجال البحثي، لا يزال هناك تحديات كبيرة أمامه والتي يمكن تلخيصها في أربع نقط أساسية&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• نقص البحث الكافي في النظريات البنيوية والأدوات التي تستخدمها هذه الخوارزميات مثل&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>°Ø§Ù„ميكانيزمات التي تبنى عليها هذه الخوارزميات، فهي ما زالت غير واضحة أو مفهومة تمامًا حتى اليوم&period; ما يستدعي تعاونًا بين المطورين والعلماء المختصين في البيولوجيا والظواهر الطبيعية كون كل هذه الخوارزميات تم اقتراحها من طرف علماء حوسبة، ومهندسين&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>°ÙˆØ¶Ø¹ أساس صلب من النظريات الرياضية لدعم الخوارزميات التحسينية المستنبطة من الطبيعة، مثل تحليل التعقيد الزمني time complexity، واختبار التقارب convergence proof&period; ومن المهم تقديم نظرية رياضية شاملة للموازنة بين التناقض بين التقارب لحل محلي convergence to a local optima وبطء التقارب slow convergence&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• نجد أن الخوارزميات التحسينية المستوحاة من الطبيعة أقل قدرة على حل المشاكل التحسينية المستمرة Continuous optimization problems في البيئات الحقيقة المعقدة&period; وهنا نجد أن البيئات التي نطبق عليها هذه الخوارزميات هي في الأصل معقدة، متعددة الأبعاد و الأهداف، وتهدد الدقة ومستهلكة للوقت&period; وفي بعض الأحيان تكون دالة تقييم الملائمة غير محددة&period; لذا فهذا النوع من المشاكل يشكل تحدياً كبيراً للخوارزميات التحسينية ككل رغم الجهود التي بذلت لتجاوزها&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• لا يوجد الكثير من الدراسات المشتركة inter-disciplinary researchs بينها وبين المجالات المستخدمة فيها والمجالات ذات الصلة، وذلك رغم كونها تحمل إمكانات كبيرة ذات فائدة مشتركة&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>• لم يتم بذل مجهود كاف لتطبيق الخوارزميات التحسينية المستنبطة من الطبيعة في المجالات التي تستفيد منها بشكل لائق&period; بحيث أنها تستخدم عشوائيًا في عدد من التطبيقات دون دراسة كفاءتها لحل المشاكل ومقارنتها بالخوارزميات الأخرى فقط لكون المشرف على الدراسة قرر ذلك من تلقاء نفسه&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">إمكانات خوارزميات الطبيعة<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>من هنا يتضح لنا أن التوجه البحثي المستقبلي في مجال الخوارزميات التحسينية يجب أن يتمحور حول معالجة هذه المشاكل؛ و ذلك بتقوية تحليل نظري متين لهذه الخوارزميات&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>كما نحتاج إلى تصميم خوارزميات تحسينية أكثر تخصصًا لحل المشاكل التحسينية المعقدة، ذات الملائمة المتغيرة زمنيًا، وذات النطاق الواسع، وغيرها&period; كما نحتاج إلى دمج هذا المجال البحثي بمجالات أخرى&period; ولا يخلو هذا من فرصص دمج بتطبيقات معينة لتحسين سرعة التقارب وتحقيق أداء أفضل&period;<span style&equals;"font-family&colon; Arial"><&sol;span><&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<h2 class&equals;"wp-block-heading">مجالات استخدام الخوارزميات التحسينية<&sol;h2>&NewLine;&NewLine;&NewLine;&NewLine;<p>تستخدم الخوارزميات التحسينية و بالتالي الخوارزميات المستلهمة من الطبيعة منها في عدد من المجالات للتعامل مع عدد من المشاكل العملية&period; ففي ظل تطور الحوسبة، أصبحت الخوارزميات التحسينية أكثر أهمية ورواجًا في عدد من المجالات الهندسية&period; ومن استعمالاتها نجد&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<ul class&equals;"wp-block-list"><li>الطرق التحسينية الكلاسيكية في الحساب Optimization methods&period;<&sol;li><li>الأنظمة المعلوماتية Information systems&period;<&sol;li><li>هندسة التصنيع و الأنظمة الصناعية Industrial Engineering and Manufacturing systems&period;<&sol;li><li>التصميم الهندسي Engineering design&period;<&sol;li><li>سلسلة الإنتاج Supply chain management&period;<span style&equals;"font-family&colon; Arial"><&sol;span><&sol;li><li>الفلترة الرقمية Digital filter design&period;<&sol;li><li>معالجة الصور Image processing&period;<&sol;li><li>تعلم الآلة Machine learning&period;<&sol;li><li>تصميم المفاضلات والمكاملات الرقمية Digital integrator and differentiator design&period;<&sol;li><li>التعرف على الوجوه Face recognition&period;<&sol;li><li>الشبكات العصبية الاصطناعية Artificial neural networks&period;<&sol;li><&sol;ul>&NewLine;&NewLine;&NewLine;&NewLine;<p>وغيرها&period;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<p>المصادر&colon;<&sol;p>&NewLine;&NewLine;&NewLine;&NewLine;<ol class&equals;"wp-block-list"><li><a href&equals;"https&colon;&sol;&sol;www&period;sciencedirect&period;com&sol;science&sol;article&sol;pii&sol;B9780124167438000130" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener"><span style&equals;"font-family&colon; Arial">ScienceDirect<&sol;span><&sol;a><&sol;li><li><a href&equals;"https&colon;&sol;&sol;encyclopedia&period;pub&sol;entry&sol;12212" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener"><span style&equals;"font-family&colon; Arial">Scholarly<&sol;span><&sol;a><&sol;li><li><span style&equals;"font-family&colon; Arial"><a href&equals;"https&colon;&sol;&sol;encyclopedia&period;pub&sol;entry&sol;12212" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">Community Encyclopedia<&sol;a><&sol;span><&sol;li><li><a href&equals;"https&colon;&sol;&sol;www&period;geeksforgeeks&period;org&sol;nature-inspired-optimization-algorithms&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener"><span style&equals;"font-family&colon; Arial">Geeks for <&sol;span><&sol;a><span style&equals;"font-family&colon; Arial"><a href&equals;"https&colon;&sol;&sol;www&period;geeksforgeeks&period;org&sol;nature-inspired-optimization-algorithms&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener">Geeks<&sol;a><&sol;span><&sol;li><li><a href&equals;"https&colon;&sol;&sol;www&period;hindawi&period;com&sol;journals&sol;mpe&sol;2014&sol;319418&sol;" target&equals;"&lowbar;blank" rel&equals;"noreferrer noopener"><span style&equals;"font-family&colon; Arial">Hindawy<&sol;span><&sol;a><&sol;li><&sol;ol>&NewLine;<div class&equals;"uwp&lowbar;widgets uwp&lowbar;widget&lowbar;author&lowbar;box bsui sdel-9a8e25eb" ><div class&equals;"d-block text-center text-md-start d-md-flex p-3 bg-light ">&NewLine;&Tab;&Tab;&Tab;&Tab;<a href&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;profile&sol;bahibrahim&sol;"><img src&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;wp-content&sol;uploads&sol;2022&sol;06&sol;1-2&lowbar;uwp&lowbar;avatar&lowbar;thumb&period;jpg" class&equals;"rounded-circle shadow border border-white border-width-4 me-3" width&equals;"60" height&equals;"60" alt&equals;"bahi brahim"><&sol;a>&NewLine;&Tab;&Tab;&Tab;&Tab;<div class&equals;"media-body">&NewLine;&Tab;&Tab;&Tab;&Tab;&Tab;<h5 class&equals;"mt-0">Author&colon; <a href&equals;"https&colon;&sol;&sol;elakademiapost&period;com&sol;profile&sol;bahibrahim&sol;">bahi brahim<&sol;a><&sol;h5>&NewLine;&Tab;&Tab;&Tab;&Tab;&Tab;&NewLine;&Tab;&Tab;&Tab;&Tab;&Tab;<p><&sol;p>&NewLine;&Tab;&Tab;&Tab;&Tab;<&sol;div>&NewLine;&Tab;&Tab;&Tab;<&sol;div><&sol;div><&sol;div><div style&equals;'text-align&colon;center' class&equals;'yasr-auto-insert-visitor'><&excl;--Yasr Visitor Votes Shortcode--><div id&equals;'yasr&lowbar;visitor&lowbar;votes&lowbar;64c7b8786b8ac' class&equals;'yasr-visitor-votes'><div class&equals;"yasr-custom-text-vv-before yasr-custom-text-vv-before-51957">اضغط هنا لتقييم التقرير<&sol;div><div id&equals;'yasr-vv-second-row-container-64c7b8786b8ac' &NewLine; class&equals;'yasr-vv-second-row-container'><div id&equals;'yasr-visitor-votes-rater-64c7b8786b8ac' &NewLine; class&equals;'yasr-rater-stars-vv' &NewLine; data-rater-postid&equals;'51957' &NewLine; data-rating&equals;'0' &NewLine; data-rater-starsize&equals;'32' &NewLine; data-rater-readonly&equals;'false' &NewLine; data-rater-nonce&equals;'79bfbbed13' &NewLine; data-issingular&equals;'true' &NewLine; ><&sol;div><div class&equals;"yasr-vv-stats-text-container" id&equals;"yasr-vv-stats-text-container-64c7b8786b8ac"><svg xmlns&equals;"https&colon;&sol;&sol;www&period;w3&period;org&sol;2000&sol;svg" width&equals;"20" height&equals;"20" &NewLine; class&equals;"yasr-dashicons-visitor-stats" &NewLine; data-postid&equals;"51957" &NewLine; id&equals;"yasr-stats-dashicon-64c7b8786b8ac"> &NewLine; <path d&equals;"M18 18v-16h-4v16h4zM12 18v-11h-4v11h4zM6 18v-8h-4v8h4z"><&sol;path> &NewLine; <&sol;svg><span id&equals;"yasr-vv-text-container-64c7b8786b8ac" class&equals;"yasr-vv-text-container">&lbrack;Average&colon; <span id&equals;"yasr-vv-average-container-64c7b8786b8ac">0<&sol;span>&rsqb;<&sol;span><&sol;div><div id&equals;'yasr-vv-loader-64c7b8786b8ac' class&equals;'yasr-vv-container-loader'><&sol;div><&sol;div><div id&equals;'yasr-vv-bottom-container-64c7b8786b8ac' class&equals;'yasr-vv-bottom-container'><&sol;div><&sol;div><&excl;--End Yasr Visitor Votes Shortcode--><&sol;div>