توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی

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.

Keywords:

خوشه بندی چندمعیاره , الگوریتم ژنتیک , الگوریتم K-میانگین , شاخص سیلوئت , پرامتی