الذكاء الاصطناعي — خوارزميات البحث — حل المشكلات — جامعة

خوارزميات البحث في الذكاء الاصطناعي

الذكاء الاصطناعي (Artificial Intelligence) هو فرع من علوم الحاسوب يهدف إلى إنشاء أنظمة ذكية تحاكي القدرات البشرية مثل التعلم والاستدلال وحل المشكلات. تعتبر خوارزميات البحث من أهم تقنيات الذكاء الاصطناعي لحل المشكلات، حيث تبحث عن مسار من الحالة الابتدائية إلى الحالة الهدفية في فضاء الحالات.

البحث غير المُوجَّه (غير المُطْلَع)

هذه الخوارزميات تبحث دون معلومات إضافية عن الحالة الهدف. من أهمها: البحث بالعمق أولاً (DFS) الذي يتعمق في كل فرع قبل الرجوع للخلف، والبحث بالعرض أولاً (BFS) الذي يستكشف الحالات على نفس المستوى قبل الانتقال للمستوى التالي. يضمن BFS إيجاد أقصر مسار لكنه يستهلك ذاكرة أكبر. البحث بالتكلفة المنتظمة (UCS) يوسع العقدة ذات التكلفة الأقل أولاً.

البحث المُوجَّه (المُطْلَع)

تستخدم خوارزميات البحث المُطْلَع دالة إرشادية (Heuristic) لتقدير التكلفة المتبقية للوصول للهدف. أشهرها: A* (A-Star) الذي يجمع بين التكلفة الفعلية من البداية والتكلفة التقديرية المتبقية، مما يجعله فعالاً ويضمن إيجاد الحل الأمثل إذا كانت الدالة الإرشادية مقبولة. يستخدم A* في تطبيقات مثل الملاحة وتخطيط المسارات والألعاب.

تطبيقات عملية

تستخدم خوارزميات البحث في: حل الألغاز (مثل لعبة 15-puzzle), التخطيط الآلي، الروبوتات الملاحية، وأنظمة التوصية. اختيار الخوارزمية المناسبة يعتمد على طبيعة المشكلة وحجم فضاء الحالات وتوفر المعلومات الإرشادية.

يمكنكم الاطلاع على درس شبكات الحاسوب — أنواعها ودرس الخوارزميات — التكرار.