نظریه الگوریتم ژنتیکی در مورد تحلیل خوشه ای

یک مسئله مشترک در علوم اجتماعی و کشاورزی، یافتن خوشه هایی در داده های آزمایشگاهی اس ت .شروع بکار استاندارد جستجوی قاطعانه برای پایان دادن به کار در یک خوشه بندی منطقه ای بهینه می باشد. د راینجا یک الگوریتم ژنتیک برای انجام تجزیه و تحلیل خوشه ای ارائه می دهیم. GA ها بطور مفید در بسیاری از زمینه ها مورد استفاده قرار گرفته اند .شیوه خوشه بندی نسبت به وار یانس برای به حداکثر رساندن آن بر مبنای معیارخوبی تعریف شده در شرایط تفکیک خارجی خوشه وهمجنس بودن خوشه داخلی قرار گرفته است. با این وجود GA بر مبنای خوشه بندی الگوریتم نمی تواند راه حل بازیابی خوشه را تضمین نماید. در مقایسه مشخص شده نسبت به الگوریتم های موجود خوشه ای نمونه های سلسله مراتبی متراکم شده مثل روش ward این الگوریتم به وضوح برای دستیابی به این هدف عمل می نماید.در طول سالیان GA به عنوان ابزاری مفید برای جستجو و حل مسائل بهینه سازی شناخته شده است. در اینجا از الگوریتم ژنتیکی COWCLUS برای خوشه بندی استفاده می کنیم. COWCLUS طور جایگزینی، به عبارت دیگر یک هدف عمومی است، یعنی الگوریتم مستقل جستجوی نمونه، مرزی است که در آن هر شی ممکن است فقط به یک خوشه تعلق داشته باشد.

Keywords:

تجزیه و تحلیل خوشه ای , خوشه ای کردن داده ها , الگوریتم ژنتیکی بهینه سازی , حداکثر سازینسبت اختلاف , الگوریتم مستقل جستجوی نمونه ای