لغة النمذجة الجبرية

📅 آخر تحديث: ٢٧ يوليو ٢٠٢٦
✍️ نُشر في: ٢٧ يوليو ٢٠٢٦
الموسوعة الحرة

لغات النمذجة الجبرية ( AML ) هي لغات برمجة حاسوبية عالية المستوى تُستخدم لوصف وحلّ المسائل المعقدة للغاية في الحسابات الرياضية واسعة النطاق (أي مسائل التحسين واسعة النطاق). [ 1 ] من أبرز مزايا بعض لغات النمذجة الجبرية ، مثل AIMMS [ 1 ] و AMPL [ 2 ] و GAMS [ 1 ] و Gekko و MathProg و Mosel [ 1 ] [ 3 ] و OPL، تشابه تركيبها النحوي مع الترميز الرياضي لمسائل التحسين. يتيح هذا التشابه تعريفًا موجزًا ​​وسهل القراءة للمسائل في مجال التحسين، مدعومًا بعناصر لغوية محددة كالمجموعات، والمؤشرات، والتعبيرات الجبرية، ومتغيرات معالجة البيانات والفهارس المتفرقة القوية، والقيود ذات الأسماء العشوائية. لا تتضمن الصيغة الجبرية للنموذج أي تلميحات حول كيفية معالجته.

لا يقوم نظام التعلم الآلي (AML) بحل هذه المشكلات مباشرةً؛ بل يستدعي خوارزميات خارجية مناسبة للحصول على حل. تُسمى هذه الخوارزميات بالحلول ، ويمكنها التعامل مع أنواع معينة من المسائل الرياضية مثل:

العناصر الأساسية

العناصر الأساسية لمكافحة غسل الأموال هي:

  • مترجم لغة النمذجة (لغة النمذجة نفسها)
  • روابط حل المشكلات
  • واجهات المستخدم (UI)
  • مرافق تبادل البيانات

مبادئ التصميم

تتبع معظم برامج مكافحة غسل الأموال مبادئ تصميم معينة:

  • مزيج متوازن من العناصر التصريحية والإجرائية
  • بنية مفتوحة وواجهات للأنظمة الأخرى
  • طبقات مختلفة مع فصلها عن:
    • النموذج والبيانات
    • أساليب النمذجة والحل
    • الطراز ونظام التشغيل
    • النموذج والواجهة

توليد النماذج القائمة على البيانات

تستغل معظم لغات النمذجة أوجه التشابه بين النماذج المهيكلة وقواعد البيانات العلائقية [ 4 ] من خلال توفير طبقة وصول إلى قاعدة البيانات، مما يُمكّن نظام النمذجة من الوصول المباشر إلى البيانات من مصادر بيانات خارجية (مثل معالجات الجداول [ 5 ] في لغة AMPL). ومع تطور تقنيات التحليل المُطبقة على عمليات الأعمال، أصبحت نماذج التحسين جزءًا لا يتجزأ من أنظمة دعم القرار ؛ إذ يُمكن هيكلة نماذج التحسين وتكوينها على شكل طبقات لتمثيل ودعم عمليات الأعمال المعقدة. في مثل هذه التطبيقات، يُمكن ربط بنية البيانات متعددة الأبعاد، النموذجية لأنظمة OLAP، مباشرةً بنماذج التحسين، كما يُمكن ترجمة عمليات MDDB النموذجية إلى عمليات تجميع وتفكيك على النموذج الأساسي [ 6 ].

تاريخ

تستمد لغات النمذجة الجبرية جذورها من برامج توليد المصفوفات وكتابة التقارير (MGRW)، التي طُوّرت في أواخر السبعينيات. ومن هذه البرامج: MAGEN وMGRW (من شركة IBM) وGAMMA.3 وDATAFORM وMGG/RWG. وقد سهّلت هذه الأنظمة عملية نقل بيانات المسائل إلى خوارزميات الحل، بالإضافة إلى إنشاء تقرير واضح ومقروء بالنتائج.

طُوِّرَ مُولِّد مصفوفات مبكر للبرمجة الخطية حوالي عام 1969 في المركز الرياضي (مركز المعلومات العلمية حاليًا) بأمستردام. [ 7 ] كان تركيبه قريبًا جدًا من الترميز الرياضي المعتاد، باستخدام الرموز السفلية وعلامات سيجما. تألفت مدخلات المُولِّد من قسمين منفصلين للنموذج والبيانات. وقد لاقى رواجًا في الجامعات والصناعة. وكان المُستخدِم الصناعي الرئيسي شركة هوجوفينز لصناعة الصلب (تاتا ستيل حاليًا)، حيث استُخدم لمدة 25 عامًا تقريبًا.

تُعدّ لغة UIMP [ 8 ] خطوةً كبيرةً نحو لغات النمذجة الحديثة، حيث تُحلّل لأول مرة بنية نماذج البرمجة الرياضية المستمدة من الواقع، لتسليط الضوء على التجميع الطبيعي للمتغيرات والقيود الناشئة عن هذه النماذج. وقد أدى ذلك إلى ظهور خصائص بنية البيانات التي تدعم النمذجة المهيكلة؛ ففي هذا النموذج، تُعرّف جميع جداول الإدخال والإخراج، بالإضافة إلى متغيرات القرار، بدلالة هذه البنى، بطريقة تُشابه استخدام الفهارس والمجموعات. ولعلّ هذه هي أبرز سمة مشتركة بين جميع لغات النمذجة الحديثة، وقد مكّنت مع مرور الوقت من الفصل بين بنية النموذج وبياناته، وربط الكيانات في نموذج البرمجة الرياضية بالبيانات في قواعد البيانات العلائقية. وبالتالي، يُمكن إنشاء نموذج وحلّه على مجموعات بيانات مختلفة، بمجرد تعديل مجموعات البيانات الخاصة به.

أتاحت المطابقة بين كيانات النمذجة ونماذج البيانات العلائقية [ 4 ] إمكانية إنشاء نماذج بسلاسة عن طريق جلب البيانات من قواعد بيانات الشركات. وتُعدّ هذه الميزة الآن عاملاً أساسياً في سهولة استخدام التحسين في التطبيقات العملية، وهي مدعومة من قبل معظم لغات النمذجة المعروفة.

في حين كانت لغات النمذجة الجبرية عادةً لغات معزولة ومتخصصة وتجارية، فقد بدأت لغات النمذجة الجبرية في الظهور مؤخرًا في شكل مكتبات مفتوحة المصدر ومتخصصة ضمن لغة عامة الأغراض، مثل Gekko أو Pyomo للغة Python أو JuMP للغة Julia .

أبرز عمليات مكافحة غسل الأموال

مكافحة غسل الأموال المتخصصة

حزم مكافحة غسل الأموال في لغات البرمجة العامة

مراجع

  1. 1 2 3 4 كالراث، جوزيف (2004). لغات النمذجة في التحسين الرياضي . دار نشر كلوير الأكاديمية. ISBN 978-1-4020-7547-6.
  2. ↑ روبرت فورير؛ ديفيد إم. جاي؛ برايان دبليو. كيرنيغان (1990). "لغة نمذجة للبرمجة الرياضية" . علوم الإدارة . 36 (5): 519-554-583. doi : 10.1287/mnsc.36.5.519 .
  3. ↑ غويريه، كريستيل؛ برينس، كريستيان؛ سيفو، مارك (2002). تطبيقات التحسين باستخدام Xpress-MP . داش أوبتمايزيشن ليمتد. ISBN 0-9543503-0-8.
  4. 1 2 غوتام ميترا؛ كورماك لوكاس؛ شيرلي مودي؛ بيارني كريستجانسون (1995). "المجموعات والفهارس في نمذجة البرمجة الخطية وتكاملها مع نماذج البيانات العلائقية" . التحسين الحسابي والتطبيقات . 4 (3): 262-283 .
  5. ↑معالجات قواعد البيانات وجداول البيانات لـ AMPL
  6. ↑ كوتسوكيس، ن.؛ ميترا، ج .؛ لوكاس، س. (1999). "تكييف المعالجة التحليلية عبر الإنترنت لنمذجة القرارات: تفاعل تقنيات المعلومات وتقنيات القرار" . نظم دعم القرار . 26 (1): 1-30 . doi : 10.1016/S0167-9236(99)00021-4 . تاريخ الاسترجاع: 22 نوفمبر 2017 .
  7. ↑ جاك م. أنتونيس، نظام إدخال لمشاكل البرمجة الخطية، Statistica Neerlandica 24 (1970)، 143-153.
  8. ↑ فرانسيس د. إليسون؛ غوتام ميترا (1982). "UIMP: واجهة مستخدم للبرمجة الرياضية" (ملف PDF) . معاملات ACM في البرمجيات الرياضية . 8 (3): 229-255 . doi : 10.1145/356004.356005 . S2CID 3948431. مؤرشف من الأصل (ملف PDF) بتاريخ 18 يناير 2014. تم الاطلاع عليه بتاريخ 16 يناير 2014 .