توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی
Publish place: Industrial Management Perspective، Vol: 9، Issue: 4
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 187
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_INDU-9-4_002
Index date: 19 September 2021
توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی abstract
در سال های اخیر مسئله جدیدی با عنوان «خوشه بندی چندمعیاره» ظهور کرده که هدف آن، دسته بندی گزینه ها در گروه های همگنی به نام خوشه با توجه به معیارهای ارزیابی متفاوت است. در ادامه پژوهش های انجام گرفته در مبانی نظری، پژوهش حاضر با ترکیب الگوریتم K- میانگین و تکنیک پرامتی، به دنبال توسعه یک روش جدید خوشه بندی چندمعیاره است. پارامترهای مسئله، پروفایل های جداکننده خوشه ها هستند که برای بهینه سازی آنها از الگوریتم ژنتیک استفاده شده است. برای تنظیم پارامترهای ژنتیک نیز از روش تاگوچی استفاده می شود. در این مدل سازی، متغیرها در هر مرحله از به روزرسانی جواب ها، با توجه به فاصله امتیاز جریان خالص خود از پروفایل ها به نزدیک ترین خوشه تخصیص می یابند. عملگر جهش نیز صرفا زمانی اعمال می شود که میزان شباهت کروموزوم ها در هر جمعیت به حد خاصی برسد که این هوشمندسازی موجب کاهش زمان محاسباتی شده است. درنهایت با اجرای روش پیشنهادی بر روی چند نمونه مسائل تصادفی مالی، عملکرد آن با سایر الگوریتم های شناخته شده خوشه بندی مقایسه شده است. نتایج نشان می دهد که روش پیشنهادی ضمن تعیین تعداد بهینه خوشه ها، در مقایسه با سایر الگوریتم ها، جواب های دقیق تری ارائه می دهد.
توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی Keywords:
توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی authors
امیر دانشور
استادیار مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.
مهدی همایون فر
استادیار مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.
آنیا فرهمندنژاد
کارشناسی ارشد مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :