بررسی عملکرد الگوریتم بهینه سازی نهنگ در استخراج بهینه دانش از داده های کسب و کار

با پیشرفت علم و تکنولوژی سازمان ها روزانه با افزایش حجم داده های ذخیره شده و کاهش دانش استخراجی مورد نیاز خود روبرو می شوند. با توجه به این مسئله این نیاز ضروری حس می شود که با تکنیک های بهینه به استخراج دانش از داده های سازمانی پرداخته شود تا از ذخیره سازی داده های مازاد در پایگاه داده های سازمانی جلوگیری شود. یکی از الگوریتم های بهینه سازی ارائه شده برای یافتن نقطه بهینه سراسری الگوریتم بهینه سازی وال است که با تقلید از پدیده های بیولوژیکی یا فیزیکی این کار را انجام می دهد. این الگوریتم با جستجو در بین رکوردهای ذخیره شده به استخراج بهترین دانش ممکن از داده های رکورد موردنظر می پردازد. از آنجایی که طراحی بهینه در فضای جستجو به صورت اولویت بندی قابل شناسایی نیست در واقع شناسایی محل بهترین مکان برای استخراج دانش را با فرض اینکه این مکان بهینه ترین است و یا حداقل نزدیک ترین به حالت بهینه است را مشخص کرده و در واقع با نمایش دانش استخراجی به مدیران در تصمیم گیری های استراتژیک در زمان مناسب کمک می شود. در این مقاله یک مدل هوشمند با الگوریتم وال برای شناسایی نقاط بهینه دانشی ارائه می شود. توانایی ساختاری و فنی این مدل با مقایسه سایر مدل ها مانند ژنتیک و ازدحام ذرات مورد مقایسه قرار می گیرد.

Keywords:

الگوریتم ژنتیک , الگوریتم ازدحام ذرات , الگوریتم وال , پیش بینی