الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
نقدم في هذه الورقة إطارًا للذكاء الاصطناعي القابل للتفسير لتوضيح حل مسائل التحكم الأمثل التي تتنبأ بها الشبكات العصبية البيانية (GNN). يدرّب النهج المقترح أولًا شبكة GNN تتنبأ بحل مسألة التحكم الأمثل لمثيل معين ممثّل بيانيًا. وبعد تدريب الشبكة نستخدم خوارزميات الذكاء الاصطناعي القابل للتفسير لتحديد المتغيرات والقيود وروابط المتغيرات بالقيود والمعاملات، أي العقد والحواف والسمات في التمثيل البياني لمسألة التحكم الأمثل، التي تؤثر أكثر من غيرها في التنبؤ بالحل الأمثل. ونطبق النهج على دراسة حالة تتعلق بالتحكم الأمثل لمفاعل خزان مُحرَّك مستمر. تبين النتائج أولًا أن نموذج GNN يتنبأ بدقة بالقيم المثلى للمتغيرات المتحكم بها. ويكشف تطبيق خوارزميات الذكاء الاصطناعي القابل للتفسير عن القيود المتساوية وغير المتساوية الأكثر أهمية للتنبؤ بالحل الأمثل. وتتوافق قيود المتراجحات مع قيود التدرج، وبعضها نشط عند الحل الأمثل.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Lee, J., & Mitrai, I. (2026). تعلّم تفسير حلول مسائل التحكم الأمثل. https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems
MLA 9
Lee, Jiyong, and Ilias Mitrai. "تعلّم تفسير حلول مسائل التحكم الأمثل." https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems.
شيكاغو (المؤلف–التاريخ)
Lee, Jiyong, and Ilias Mitrai. 2026. "تعلّم تفسير حلول مسائل التحكم الأمثل." https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems.
هارفارد
Lee, J. and Mitrai, I. (2026) 'تعلّم تفسير حلول مسائل التحكم الأمثل', Available at: https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems.
فانكوفر
Lee J, Mitrai I. تعلّم تفسير حلول مسائل التحكم الأمثل. https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems
IEEE
J. Lee, and I. Mitrai, "تعلّم تفسير حلول مسائل التحكم الأمثل," https://omanscience.com/ar/articles/learning-to-explain-solutions-of-optimal-control-problems.