محاسبات مولکولی و کاربرد آن در شبیه سازی الگوریتم های داده کاوی

در دنیای امروز با افزایش چشمگیر حجم داده‏ها و اطلاعات تمایل زیادی به توسعه روش‏های سریعتر در مسائل تحلیل داده و نیز رویکردهای داده کاوی بوجود آمده است.کامپیوترهای سیلیکونی علی رغم پیشرفتی که در سرعت پردازشگرها داشته‏اند کماکان در مقابل حل مسائل پیچیده و نیز در مواجهه با حجم داده‏های بسیار زیاد سرعت محدودی را ارائه می‏کنند. در این راستا در سال‏های اخیر رویکرد جدیدی برای حل مسائل ان.پی و کار با داده‏های حجیم فراهم شده است و آن استفاده از روش‏های محاسبات مولکولی است. در این تحقیق روشی بر پایه محاسبات مولکولی برای خوشه بندی داده ها که در حوزه داده کاوی مطرح می شوند پیشنهاد می کنیم. در این روش نشان داده شده است که چگونه می توان داده ها را با استفاده از رشته های دی ان ای تولید کرد و با اعمال توالی از عملگرهای بیولوژیکی روی مدل ایجادشده، خوشه بندی داده ها را انجام داد. لازم به ذکر است که خوشه بندی در کامپیوترهای سیلیکونی در بدترین حالت دارای پیچیدگی زمانی نمایی است، در حالی که روش پیشنهادی پیچیدگی زمانی چندجمله ای دارد و برخلاف بعضی از روش ها نیاز به دانستن تعداد خوشه ها از قبل نیست، با توجه به موارد ذکر شده مزیت روش پیشنهادی آشکار شده است.