تحسين بايزي (المعروف أيضًا باسم تحسين الصندوق الأسود) هو أسلوب تحسين يستخدم الاستدلال بايزي للعثور على القيمة المثلى لوظيفة غير معروفة. إنه نوع من خوارزمية التحسين التي أصبحت شائعة بشكل متزايد في التعلم الآلي والذكاء الاصطناعي.
في التحسين بايزي، يتم تنفيذ عملية التحسين من خلال اتخاذ سلسلة من الاختيارات المستنيرة للوصول إلى النتيجة المثلى. وهو يركز على العملية الشاملة للاستكشاف والاستغلال، بهدف إيجاد أفضل حل ممكن في ضوء مجموعة من المعايير المحددة سلفا.
يعمل تحسين بايزي عن طريق إنشاء نموذج للوظيفة غير المعروفة والذي يتم استخدامه بعد ذلك لاتخاذ خيارات مستنيرة حول قيم المعلمات التي سيتم اختبارها. يتم تحديث هذا النموذج بعد كل تكرار ويتم تزويده ببيانات إضافية، مما يسمح له بأن يكون أكثر دقة في التنبؤ بأفضل قيم المعلمات. يمكن تطبيق هذا النوع من التحسين على المشكلات المتعلقة بمساحات الإدخال والإخراج المستمرة أو الثنائية، وقد وجد تطبيقًا رائعًا في ضبط المعلمات الفائقة.
يعد تحسين بايزي مناسبًا بشكل خاص للمشكلات التي لا يمكن حلها بسهولة باستخدام تقنيات التحسين القائمة على التدرج. بالإضافة إلى ذلك، يمكنها تقليل عدد التكرارات اللازمة للتوصل إلى حل بكفاءة، مما يؤدي غالبًا إلى القيم المثالية في تكرارات أقل بكثير من الأساليب الكلاسيكية.
يعد إجراء التحسين بايزي أحد أقوى الأدوات المتاحة لتحسين الأنظمة المعقدة ويمكن استخدامه لمجموعة متنوعة من المهام، مثل تحسين التصميم والنمذجة التنبؤية والتحكم الذكي. كما أنه قابل للتكيف بسهولة مع مجموعة متنوعة من المواقف، لأنه يتطلب القليل من المعلومات المسبقة حول النظام الذي يتم تحسينه.
