في عالم الذكاء الاصطناعي، تعد مشكلة بائع الرحلات ستاينر (Steiner Traveling Salesman Problem - Steiner-TSP) من التحديات الكبيرة التي يتعين التعامل معها، خصوصاً عند النظر في الرسوم البيانية لمجموعات محدبة (Graphs of Convex Sets - GCS). تسعى هذه المشكلة إلى إيجاد أقصر مسار مغلق يمر عبر مجموعة مختارة من النقاط مع السماح بوجود نقاط عبور اختيارية وإمكانية العودة للنقاط السابقة.

في دراسة جديدة، تم تقديم مقاربة موحدة تُعرف باستراتيجية الفرع والحد (Branch-and-Bound) للبحث عن الحلول. تتيح هذه الاستراتيجية استكشاف الفضاء اللامتناهي للحلول المتاحة بشكل فعّال. وتتمثل إحدى الابتكارات الرئيسية في استخدام تكاليف منخفضة لكل حافة متصلة، مما يحقق حدوداً أعلى على التكاليف الملتزمة.

تعتبر هذه الطريقة رائعة لأنها تعمل ضمن فرضية سعر التكلفة الإيجابي المتساوي. إذ تتوقف عمليات البحث الأفضل أولاً بعد عدد محدود من التوسعات في كل حالة قابلة للتحقيق دون الحاجة لوجود حل ابتدائي. بينما تتطلب عمليات البحث الأعمق وجود حل ابتدائي نهائي.

وعلاوة على ذلك، تتضمن الدراسة أمثلة عملية تُظهر كيفية تطبيق هذه الاستراتيجية في مهام التفتيش باستخدام الروبوتات المتنقلة، بما في ذلك تحديد أوامر الحركة المعبر عنها باستخدام المنطق الزمني الخطي.

سجلت التجارب أداءً متميزاً، حيث تمكنت كل من الاستراتيجيات المستخدمة من العثور على حلول متاحة لجميع العوامل المرجعية خلال 30 ثانية تقريباً، مع فجوة مثالية متوسطة بلغت 28.1٪ و29.7٪. مقارنةً بالأساليب السابقة التي كانت تحقق النجاح في نحو نصف الحالات فقط، يظهر هذا التطور الواضح تقدماً كبيراً في مجالات الحلول المثلى.

إذاً، كيف ترون هذا التطور في الطريقة التي نعالج بها مشكلات معقدة كهذه، هل تعتقدون أن هناك تطبيقات إضافية لهذه الاستراتيجية؟ شاركونا آرائكم في التعليقات!