تشهد خوارزميات التطور (Evolutionary Algorithms) تحولًا جذريًا مع تقديم نموذج **أسلوب تكيف المعرفة التحسينية** (Optimization Knowledge Adaptation Evolutionary Model - OKAEM) الذي يعد بمثابة نقلة نوعية في كيفية استخدام المعرفة المتراكمة لتحسين الأداء الذكي.

استندت الأبحاث السابقة إلى آليات فردية تتناول الاستفادة من المعرفة، مما تسبب في عدم الاستغلال الكامل للمعرفة التاريخية نتيجة عدم التكامل بين استراتيجيات التحول والنقل. في حين أن النماذج التقليدية قد تعاني من عدم الاستفادة من المعرفة السابقة في تسلسلها، فإن الاستراتيجيات التكيفية تظل محصورة في استخدام المعرفة في الوقت الحقيقي.

مع تقديم نموذج OKAEM، تمكنا من تحسين هذا النظام عبر دمج آلية التركيز (Attention Mechanisms) التي تسمح بتحديث القواعد والتيسير في نقل المعرفة التحسينية. يتكون النموذج من مرحلتين رئيسيتين:
1. **التدريب المسبق**: لدمج المعرفة السابقة بشكل فعال؛
2. **التحسين التكيفي**: حيث يتم تحديث المعلمات بشكل ديناميكي بناءً على المعرفة المتاحة في الوقت الفعلي.

تظهر التجارب الميدانية أن نموذج OKAEM يتفوق بشكل ملحوظ على الأساليب التقليدية في 12 سيناريو مختلف من حالات النقل، ويحقق نتائج أفضل من بعض خوارزميات التطور القابلة للتعلم من خلال آلية ضبط ذاتي في إعدادات خالية من المعرفة.

علاوة على ذلك، تفيد الدراسات التحليلية بأن العناصر القابلة للتعلم في النموذج تلعب دورًا كبيرًا، وقد أثبتت التحليلات البصرية قدرة النموذج على اكتشاف مبادئ التطور القابلة للتفسير بشكل تلقائي. يمكن الاطلاع على الشيفرة المصدرية لهذا النموذج الثوري عبر هذا الرابط: [code-of-okaem](https://gitee.com/Anonymity_Paper/code-of-okaem).

ما رأيكم في هذا التطور المثير؟ شاركونا في التعليقات!