يُستخدم الذكاء الاصطناعي في حل مشكلات الأمثلية (Optimization Problems) عبر تقنيات متقدمة تساعد على إيجاد الحلول المثلى أو شبه المثلى في فضاءات بحث معقدة يصعب حلها بالطرق التقليدية. يعتمد ذلك على:
• الخوارزميات الميتا-إرشادية (Metaheuristic Algorithms): مثل الخوارزميات الجينية (Genetic Algorithms)، خوارزمية أسراب الجسيمات (Particle Swarm Optimization – PSO)، ومحاكاة التلدين (Simulated Annealing) التي تستلهم الطبيعة للبحث عن حلول فعّالة.
• التعلم المعزز (Reinforcement Learning – RL): حيث يتعلم الوكيل اختيار استراتيجيات تزيد من المكافآت، مما يناسب مسائل الجدولة والتخطيط.
• الشبكات العصبية (Neural Networks): لتقدير الدوال المعقدة وتسريع البحث عن الحلول المثلى.
• البرمجة الخطية وغير الخطية (Linear & Nonlinear Programming): مدعومة بخوارزميات AI لتسريع الحلول أو تحسينها.
ا.م.د. علاء طعيمة عبد الكاظم
أستاذ مساعد دكتور في الذكاء الاصطناعي والتعلم العميق