التحسين العشوائي

التحسين العشوائي ( SO ) هو أسلوب تحسين يُولّد ويستخدم متغيرات عشوائية . في مسائل التحسين العشوائي ، تكون دوال الهدف أو القيود عشوائية. يشمل التحسين العشوائي أيضًا أساليب ذات تكرارات عشوائية . تستخدم بعض الأساليب الهجينة تكرارات عشوائية لحل المسائل العشوائية، جامعًا بذلك بين معنيي التحسين العشوائي. ^{[ 1 ]} تُعمّم أساليب التحسين العشوائي الأساليب الحتمية للمسائل الحتمية.

تظهر بيانات الإدخال العشوائية جزئيًا في مجالات مثل التقدير والتحكم في الوقت الحقيقي، والتحسين القائم على المحاكاة حيث تُجرى محاكاة مونت كارلو كتقديرات لنظام فعلي، ^{[ 2 ] [ 3 ]} والمسائل التي يوجد فيها خطأ تجريبي (عشوائي) في قياسات المعيار. في مثل هذه الحالات، تؤدي معرفة أن قيم الدالة ملوثة بـ "ضوضاء" عشوائية بشكل طبيعي إلى خوارزميات تستخدم أدوات الاستدلال الإحصائي لتقدير القيم "الحقيقية" للدالة و/أو اتخاذ قرارات مثلى إحصائيًا بشأن الخطوات التالية. تشمل طرق هذه الفئة ما يلي:

• التقريب العشوائي (SA)، بواسطة روبنز ومونرو (1951) ^{[ 4 ]}
• الهبوط التدرجي العشوائي
• طريقة الفروق المحدودة SA بواسطة كيفر وولفويتز ( 1952 ) ^{[ 5 ]}
• اضطراب متزامن SA بواسطة سبال (1992) ^{[ 6 ]}
• تحسين السيناريو

من جهة أخرى، حتى عندما تتكون مجموعة البيانات من قياسات دقيقة، تُدخل بعض الطرق عنصر العشوائية في عملية البحث لتسريع التقدم. ^{[ 7 ]} كما يمكن لهذه العشوائية أن تجعل الطريقة أقل حساسية لأخطاء النمذجة. ومن المزايا الأخرى إمكانية استخدام العشوائية في عملية البحث للحصول على تقديرات فترات للحد الأدنى للدالة عبر إحصاءات القيم المتطرفة. ^{[ 8 ] [ 9 ]} علاوة على ذلك، قد تُمكّن العشوائية المُدخلة الطريقة من تجنب الحل الأمثل المحلي والاقتراب في النهاية من الحل الأمثل العالمي. في الواقع، من المعروف أن مبدأ العشوائية هذا طريقة بسيطة وفعالة للحصول على خوارزميات ذات أداء جيد شبه مؤكد بشكل موحد عبر العديد من مجموعات البيانات، لأنواع عديدة من المشكلات. تشمل طرق التحسين العشوائي من هذا النوع ما يلي:

• التلدين المحاكي بواسطة إس. كيركباتريك، سي دي جيلات وإم بي فيكي (1983) ^{[ 10 ]}
• التلدين الكمي
• الاحتمالية الجماعية من تأليف دي إتش وولبرت، إس آر بينياوسكي ودي جي راجنارايان (2011) ^{[ 11 ]}
• تحسين البحث التفاعلي (RSO) بواسطة روبرتو باتيتي ، جي. تيكولي (1994)، ^{[ 12 ]} تمت مراجعته مؤخرًا في الكتاب المرجعي ^{[ 13 ]}
• طريقة الإنتروبيا المتقاطعة لروبنشتاين وكروز ( 2004 ) ^{[ 14 ]}
• بحث عشوائي بواسطة أناتولي زيجلجافسكي (1991) ^{[ 15 ]}
• البحث المعلوماتي ^{[ 16 ]}
• النفق العشوائي ^{[ 17 ]}
• التبريد المتوازي المعروف أيضًا باسم تبادل النسخ المتماثلة ^{[ 18 ]}
• تسلق التلال العشوائي
• خوارزميات السرب
• الخوارزميات التطورية
  • الخوارزميات الجينية لهولاند (1975) ^{[ 19 ]}
  • استراتيجيات التطور
• خوارزمية تحسين وتعديل الكائنات المتتالية (2016) ^{[ 20 ]}

في المقابل، يرى بعض الباحثين أن العشوائية لا تُحسّن الخوارزمية الحتمية إلا إذا كانت مصممة بشكل سيئ منذ البداية. ^{[ 21 ]} ويجادل فريد دبليو. غلوفر ^{[ 22 ]} بأن الاعتماد على العناصر العشوائية قد يعيق تطوير مكونات حتمية أكثر ذكاءً وكفاءة. كما أن الطريقة التي تُعرض بها نتائج خوارزميات التحسين العشوائي عادةً (كعرض المتوسط ​​فقط، أو حتى أفضل نتيجة من بين N عملية تشغيل دون الإشارة إلى مدى تباينها) قد تُؤدي إلى تحيز إيجابي نحو العشوائية.

• التحسين العالمي
• التعلم الآلي
• تحسين السيناريو
• العملية الغاوسية
• نموذج فضاء الحالة
• التحكم التنبؤي بالنموذج
• البرمجة غير الخطية
• القيمة الإنتروبية معرضة للخطر

• Michalewicz, Z. and Fogel, DB (2000), How to Solve It: Modern Heuristics , Springer-Verlag, New York.

• COSP