التحسين الفائق

التحسين الفائق الناتج عن التحسين العددي هو استخدام طريقة تحسين لضبط طريقة تحسين أخرى. وقد ورد أن التحسين الفائق استُخدم في وقت مبكر من أواخر سبعينيات القرن الماضي من قبل ميرسر وسامبسون ^{[ 1 ]} لإيجاد الإعدادات المثلى لمعلمات الخوارزمية الجينية .

يُعرف التحسين الفائق والمفاهيم ذات الصلة أيضًا في الأدبيات باسم التطور الفائق، والتحسين الفائق، ومعايرة المعلمات الآلية، والأساليب الاستدلالية الفائقة ، وما إلى ذلك.

تعتمد أساليب التحسين، مثل الخوارزمية الجينية والتطور التفاضلي، على عدة معايير تتحكم في سلوكها وكفاءتها في تحسين مشكلة معينة، ويجب على الممارس اختيار هذه المعايير لتحقيق نتائج مرضية. يُعدّ اختيار معايير السلوك يدويًا مهمة شاقة وعرضة لسوء فهم العوامل التي تجعل المُحسِّن يعمل بكفاءة.

يمكن تغيير المعاملات السلوكية للمُحسِّن، ورسم أداء التحسين على شكل فضاء. يُعدّ هذا ممكنًا حسابيًا للمُحسِّنات ذات المعاملات السلوكية القليلة، ولمشاكل التحسين سريعة الحساب. ولكن مع ازدياد عدد المعاملات السلوكية، يزداد الوقت اللازم لحساب هذا الفضاء بشكل كبير. هذه هي معضلة الأبعاد بالنسبة لفضاء البحث الذي يتكون من المعاملات السلوكية للمُحسِّن. لذا، ثمة حاجة إلى طريقة فعّالة للبحث في فضاء المعاملات السلوكية.

إحدى الطرق البسيطة لإيجاد معايير سلوكية جيدة لمُحسِّن هي استخدام مُحسِّن مُركِّب آخر، يُسمى المُحسِّن الفائق . وتختلف طرق القيام بذلك تبعًا لما إذا كانت المعايير السلوكية المراد ضبطها ذات قيم حقيقية أم منفصلة ، ​​وتبعًا لمقياس الأداء المُستخدم، وما إلى ذلك.

قام كل من غريفنستيت ^{[ 2 ]} وكين ^{[ 3 ]} ، وغيرهما، بتحسين معلمات الخوارزمية الجينية ، كما نشر باك ^{[ 4 ]} تجارب لتحسين كل من المعلمات والمؤثرات الجينية . وقد قام كروس وأندرسون ^{[ 5 ]} و ^{[ 6 ]} بتحسين خوارزمية COMPLEX-RF، حيث تم تقديم مؤشر أداء التحسين القائم على نظرية المعلومات وتطويره لاحقًا. كما قام كل من مايسنر وآخرون ^{[ 7 ]} ، وبيدرسن وشيبرفيلد ^{[ 8 ]} ، وماسون وآخرون ^{[ 9 ]} بتحسين خوارزمية تحسين سرب الجسيمات . وقد طبق بيدرسن وشيبرفيلد التحسين على التطور التفاضلي ^{[ 10 ]} . وقام بيراتاري وآخرون ^{[ 11 ] و[ 12 ]} بتحسين خوارزمية تحسين مستعمرات النمل . استُخدمت النماذج الإحصائية أيضًا للكشف عن المزيد حول العلاقة بين اختيارات المعايير السلوكية وأداء التحسين، انظر على سبيل المثال فرانسوا ولافرن ^{[ 13 ]} ونانين وإيبن ^{[ 14 ]} . وقد أجرى سميت وإيبن مقارنة بين تقنيات التحسين الفائق المختلفة ^{[ 15 ] .}

• التعلم الآلي الآلي (AutoML)
• الأساليب الاستدلالية الفائقة