Khadem M, Toloie Eshlaghy A, Fathi Hafshejani K. Presenting a New Meta-Heuristic Algorithm (Qashqai Optimization Algorithm) to Improve the Accuracy of Data Clustering Using the K-Means Method. jor 2024; 21 (3) :99-116
URL:
http://jamlu.liau.ac.ir/article-1-1987-fa.html
خادم مهدی، طلوعی اشلقی عباس، فتحی هفشجانی کیامرث. ارایه الگوریتم فراابتکاری جدید (الگوریتم بهینهسازی قشقایی) جهت بهبود دقت خوشهبندی دادهها با استفاده از روش K-means. تحقیق در عملیات در کاربردهای آن. 1403; 21 (3) :99-116
URL: http://jamlu.liau.ac.ir/article-1-1987-fa.html
گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی،تهران، ایران
چکیده: (181 مشاهده)
خوشهبندی یا تجزیه و تحلیل خوشهای یک روش یادگیری بدون نظارت است که اغلب به عنوان یک روش تجزیه و تحلیل دادهها برای کشف الگوهای جالب در دادهها مانند گروههای مشتری بر اساس رفتار آنها استفاده میشود. از آن جایی که مساله خوشهبندی از نوع مسایل NP-hard میباشد، بهره بردن از الگوریتمهای هوش تکاملی به دلیل موفقیت در حل دسته وسیعی از مسایل NP-hard در این زمینه مفید میباشد. الگوریتمهای ابتکاری و فراابتکاری زیادی برای حل مساله خوشهبندی ارایه شدهاند. روش K-means سادهترین روش برای خوشهبندی دادههاست که از مزایای آن سرعت و سهولت استفاده است و از معایب آن همگرا شدن به بهینه محلی میباشد. در این مقاله پس از تعریف تابع هدف کمینهسازی الگوریتمK-means با استفاده از الگوریتم فراابتکاری قشقایی در نرمافزارMatlab پیادهسازی شد. در طراحی الگوریتم قشقایی ویژگیهای جمعیت محور بودن، مسیریابی، حافظه محور بودن، ایجاد توازن بین جستجوی محلی و جستجوی سراسری جهت بهبود عملکرد آن در دستیابی به جواب بهینه استفاده شده است. نتایج حاصل از الگوریتم ترکیبی پیشنهادی با دیگر الگوریتمهای مشهور مقایسه شده و نتایج ازمون فرض نشان داد که الگوریتم پیشنهادی در دستیابی به پاسخهای مطلوب کاراست.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى دریافت: 1402/1/10 | پذیرش: 1402/6/12 | انتشار: 1403/7/1