خوارزميّة مستعمرة النّحل الاصطناعيّة Artificial Bee Colony

خوارزميّة مستعمرة النّحل الاصطناعيّة (ABC) خوارزميّة مستوحاة من السّلوك الذّكي للنّحل في بحثه عن الطّعام.

من المعلوم أنّ عاملات النّحل عندما يجدون الطّعام في رحلة البحث فإنّهنّ يعدن للخليّة بعيّنة منه ويخبرن بقيّة العاملات عن مكان الطّعام واتّجاهه عن طريق تأدية رقصة اهتزازيّة في اتّجاه محدّد وبعدد مرّات محدّد للإشارة إلى موقع الغذاء واتّجاهه وكميّته وجودته.

وتعدّ خوارزميّة خليّة النّحل واحدة من تقنيات الذّكاء الاصطناعي الّتي تركّز على دراسة السّلوك الجماعي للأنظمة الّلامركزيّة والّتي تتمثّل بتجمّعات لعناصر بسيطة تتفاعل محليّاً مع بعضها البعض ومع البيئة المحيطة.

ومن أمثلة هذه الأنظمة الّتي توجد بكثرة في الطّبيعة: مستعمرات النّمل وأسراب الطّيور وخلايا النّحل، وتتمثّل أيضاً بالسّلوك الجماعي للبشر.

تصنّف هذه الخوارزميّة ضمن الخوارزميّات السّربيّة البسيطة مثل خوارزميّة أسراب الطّيور وخوارزميّة التّطوّر التّفاضلي Differential Evolution (DE) Algorithm لأنّها لا تستخدم سوى معاملات (بارامترات) التّحكّم الشّائعة مثل حجم الخليّة وعدد الدّورات القصوى.

يُستفاد من هذه الخوارزميّة في حلّ مسائل الأمثليّة Optimization Problems أي المسائل الّتي تتطلّب التّوصّل إلى الحلّ الأمثل من مجموعة حلول مطروحة.

مثل مسألة البائع الجوّال الّذي يجب عليه التّنقّل بين عدّة مدن باستهلاك أقلّ ما يمكن من الوقود أو دون أن يمرّ من مدينة أكثر من مرّة واحدة.

خطوات خوارزميّة مستعمرة النّحل الاصطناعيّة

تعدّ هذه الخوارزميّة أداة أمثليّة Optimization Tool تؤمّن إجرائيّة بحث قائم على السّكّان Population-Based Search.

إذ تتفرّق النّحلات لتبحث كلّ منها عن مصادر الطّعام وتعثر على مصدر رحيق وافر مقارنة بالمصادر الأخرى في رقعة بحثها.

ثمّ يُحدّد مصدر الرّحيق الأوفر من بين المصادر الوافرة جميعاً، وهذا بالضّبط ما تتطلّبه مسائل الأمثليّة (الأفضليّة).

في نظام ABC، يُصنّف النّحل إلى عامل ومراقب ومستكشف، ويتنقّل النّحل العامل في مساحة بحث متعدّدة الأبعاد كلٌ في اتجاه، ويختار بعض النّحل العامل والمراقب مصادر الطّعام اعتماداً على:

تجربتهم.
والأفراد المجاورين لهم في أثناء البحث.
تغيّر أوضاعهم في أثناء مراحل عمل الخوارزميّة.

يطير بعض أفراد النّحل المستكشف للبحث عن مصادر جديدة بشكل عشوائي، أمّا أفراد النّحل العاملة فيبحثون عن مصادر الغذاء استناداً إلى تجارب سابقة.

فإن توصّلوا إلى كميّة رحيق في المصدر الجديد أكبر من الكميّة في المصدر المخزّن في ذاكرتهم سابقاً، فيُحفظ المصدر الجديد ويُنسى السّابق.

وهكذا تجمع خوارزميّة ABC بين طرائق البحث المحليّة الّتي يؤدّيها النّحل العامل والمراقب وطرائق البحث العامّة الّتي يؤدّيها النّحل المستكشف، محقّقة بذلك توازناً بين اكتشاف Exploration مصادر جديدة واستثمار Exploitation مصادر معروفة.

الخطوات الأساسيّة للخوارزميّة

البحث عن المصادر الغذائيّة الأوليّة لجميع النّحل العاملات.
كلّ نحلة عاملة تذهب إلى مصدر الغذاء الموجود في ذاكرتها وتحدّد مصدر مجاور له وتقيّم مقدار الرّحيق الموجود ثمّ ترجع لترقص في الخليّة.
كلّ نحلة متفرّجة تشاهد الرّقصات وتختار مصدر الغذاء بالاعتماد على الرّقصات ثمّ تذهب للمكان وتقيّم مقدار الرّحيق وجودته.
يتمّ تحديد مصدر الغذاء المهجور واستبداله بمصدر جديد يكتشف من خلال الكشّافة.
أمّا أفضل المصادر البعيدة فيتمّ تسجيلها.

تعتمد هذه الخوارزميّة على عدد النّحلات في المجتمع ومكان الغذاء يمثّل حلّاً محتملاً للمسألة وكميّة الرّحيق يتطابق مع جودة الحلّ، ويمثّل عدد النّحلات العاملات عدد الحلول.

القاعدة وطريقة العمل

تعتمد هذه الخوارزميّة على حجم الخليّة (عدد النّحلات Swarm Size)، حيث يقسم سرب النّحل إلى 50% نحلات عاملات و 50% نحلات كشّافة وعدد المتفرّجات يساوي 1، كما أنّ عدد النّحلات العاملات يساوي عدد الحلول، بحيث:

خوارزميّة مستعمرة النّحل الاصطناعيّة .

مزايا وعيوب خوارزميّة النّحل

تُعدّ خوارزميّة النّحل واحدة من الخوارزميّات الّتي أثبتت كفاءة وفاعليّة في حلّ العديد من المسائل لإيجاد الحلول المثلى وذلك من خلال:

فضاء حلّ واسع نوعاً ما.
استطاعت هذه الخوارزميّة التّغلّب على مشكلة النّهاية المحليّة.
مفيدة جداً في حال كانت المشكلة متعدّدة الأهداف.
تعطي حلولاً جديدة عند كلّ تنفيذ لهذه الخوارزميّة.
تُعدّ من الخوارزميّات سهلة الفهم وذلك لاقترابها من سلوك النّحل في الطّبيعة بشكل كبير جدّاً.

وما يُعاب على خوارزميّة النّحل أنّها:

تمتلك العديد من الوسائط الّتي يصعب ضبطها وتحديد قيمتها بشكل دقيق، حيث إنّ هذه القيم غالباً ما يتمّ اختيار القيم الأوّليّة لها بشكل عشوائي.
لا تستطيع غالباّ الوصول إلى الحلّ الأمثل وإنّما الحلول القريبة من الحلّ الأمثل وذلك نظراً لدرجة تعقيد بعض المسائل.
أحياناً يكون هناك صعوبة في تحديد دالّة التّقييم بشكل صحيح نظراً لأنّها تعالج مسائل متعدّدة الأهداف.