محبوبه فتاحی بافقی - دانشگاه آزاد اسلامی واحد بافق
سیما شریعتمداری - دانشگاه آزاد اسلامی واحد یزد

الگوریتم های بهینه سازی روشهای محاسباتی هستند که برای یافتن بهترین راه حل ممکن یک مسئلهمعین استفاده میشوند. این الگوریتمها برای کاوش و ارزیابی مکرر راه حل های کاندید مختلف طراحیشده اند تا زمانی که یک راه حل بهینه یا نزدیک به بهینه پیدا شود. اهمیت الگوریتم های بهینه سازی درحل مسئله از این واقعیت ناشی میشود که بسیاری از مسائل دنیای واقعی شامل یافتن بهترین نتیجهممکن یا به حداکثر رساندن/به حداقل رساندن یک هدف خاص است. این مسائل میتوانند پیچیده باشندو اغلب دارای متغیرها، محدودیت ها و وابستگی های متعددی هستند. الگوریتم های بهینه سازی با کاوشسیستماتیک فضای جستجو، راه حل های بالقوه، ارزیابی کیفیت آنها با استفاده از یک تابع هدف و اصلاحمکرر راه حل ها تا رسیدن به یک راه حل بهینه یا رضایتبخش به مقابله با این چالشها کمک می کنند. دراین مقاله، یکی از الگوریتم های محبوب بهینه سازی یعنی الگوریتم بهینه سازی گروه ذرات مورد بررسیقرار گرفته است همچنین این مقاله نشان می دهد که استفاده از الگوریتم بهینه سازی گروه ذرات برایانتخاب ویژگی منجر به بهبود و افزایش دقت یادگیری ماشین برای تشخیص نفوذ در شبکه اینترنت اشیامی شود. نتایج نشان می دهد هنگامی که از انتخاب ویژگی مبتنی بر الگوریتم گروه ذرات استفاده شودو ویژگی ها را در ۲ کلاس در نظر گیریم، میزان بهبود ۱.۶ درصد را نشان میدهد و وقتی که ویژگی هادر ۵ کلاس طبقه بندی درنظر باشد، ۲.۰۴ درصد بهبود را مشخص می کند.

الگوریتم گروه ذرات ، تشخیص نفوذ ، اینرنت اشیا