یک الگوریتم خوشه بندی فازی جدید مبتنی بر لگوریتم محاسبات تکاملی بهینه سازی تولیدمثل غیرجنسی

پایان نامه
چکیده

خوشه بندی فازی مبتنی بر الگوریتم های تکاملی و هوش ازدحامی یکی از زمینه های تحقیقاتی فعال می باشد که اخیراً بسیار موردتوجه قرارگرفته است. عملکرد مناسب در رویکرد خوشه بندی با توجه به معیارهایی همچون، توانایی تعیین خودکار تعداد بهینه ی خوشه ها، توانایی پیدا کردن پارتیشن بندی مناسب، دقت کلاس بندی، میزان پیچیدگی زمان محاسباتی و سرعت همگرایی برای فضای ابعاد وسیعی از مجموعه داده ها ارزیابی می شود. بنابراین، بهینه سازی روش های خوشه بندی فازی با استفاده از رویکردهای بهینه سازی به منظور بهبود عملکرد این روش ها یک هدف مهم به حساب می-آید. در این پایان نامه، دو روش خوشه بندی فازی جدید مبتنی بر یک نسخه ی جدید از الگوریتم بهینه سازی تولیدمثل غیرجنسی اصلاح شده (maro) پیشنهاد می شود. ایده ی کروموزوم های طول متغیر به الگوریتم maro اعمال می شود و الگوریتم جدید، بهینه سازی تولیدمثل غیرجنسی اصلاح شده ی طول کروموزوم متغیر (vmaro) نامیده می شود. استفاده از vmaro در روش خوشه بندی فازی c-means، رمزگذاری تعداد متغیری از خوشه ها را فراهم می سازد. بنابراین، روش خوشه بندی فازی c-means مبتنی بر الگوریتم vmaro (vmaro-fcm) قادر به کشف خودکار تعداد خوشه ها بدون یک آگاهی قبلی با استفاده از یک شاخص اعتبار به عنوان یک تابع هدف است. علاوه بر این، یک روش خوشه بندی فازی جدید چندهدفه، مبتنی بر الگوریتم vmaro-fcm، با نام خوشه بندی فازی c-means مبتنی بر بهینه سازی تولیدمثل غیرجنسی اصلاح شده ی طول کروموزوم متغیر با مرتب سازی غالب (nsvmaro-fcm)، باقابلیت بهینه سازی همزمان چندین شاخص اعتبار پیشنهاد می شود.جهت اعتبارسنجی الگوریتم های پیشنهادی تعدادی مجموعه داده ی واقعی و مصنوعی به کار گرفته می شوند. نتایج شبیه سازی نشان می دهد که الگوریتم های vmaro-fcm و nsvmaro-fcm قادر به کشف خودکار تعداد بهینه ی خوشه ها و پیدا کردن پارتیشن بندی فازی مناسب برای مجموعه داده های در نظر گرفته شده هستند. همچنین، عملکرد الگوریتم های پیشنهادی با خوشه بندی فازی c-means مبتنی بر الگوریتم کلونی زنبور مصنوعی طول رشته متغیر (vabc-fcm) که نسبت به سایر الگوریتم های معتبر و معروف قبل از خود موفق تر عمل کرده است، مورد مقایسه قرار می گیرد. نتایج نشان می دهد که الگوریتم های پیشنهادی بر الگوریتم vabc-fcm در اکثر موارد غلبه می کنند.

منابع مشابه

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینه­سازی با ماهیتی پویا هستند، به‌طوری‌که مقدار بهینه سراسری آن­ها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتم­هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به­خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوب­گونه مبتنی بر خوشه­بندی و حافظه برای حل مسائل پویا ارائ...

متن کامل

ارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2

One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...

متن کامل

یک روش ترکیبی خوشه بندی مبتنی بر الگوریتم ژنتیک با استفاده از عملگر های جدید تغییر

  The clustering problem under the criterion of minimum sum of squares is a non-convex and non-linear program, which possesses many locally optimal values, resulting that its solution often being stuck at locally optimal values and therefore cannot converge to global optima solution. In this paper, we introduce several new variation operators for the proposed hybrid genetic algorithm for the cl...

متن کامل

الگوریتم ژنتیک آشوب گونه مبتنی بر حافظه و خوشه بندی برای حل مسائل بهینه سازی پویا

چکیده: اکثر مسائل موجود در دنیای واقعی یک مسئله بهینه­سازی با ماهیتی پویا هستند، به طوری که مقدار بهینه سراسری آن­ها در طول زمان ممکن است تغییر کند، بنابراین برای حل این مسائل الگوریتم­هایی نیاز داریم که بتوانند خود را با شرایط این مسائل به­خوبی سازگار نموده و بهینه جدید را برای این مسائل ردیابی نمایند. در این مقاله، یک الگوریتم ژنتیک آشوب­گونه مبتنی بر خوشه­بندی و حافظه برای حل مسائل پویا ارائ...

متن کامل

بهینه سازی مسیر تردد سرویسهای حمل و نقل یک شرکت، با استفاده از خوشه بندی و الگوریتم ژنتیک

یکی از راهکارهای استفاده پایدار از منابع، سیستم حمل و نقل ادارات است. امروزه، سامانه های حمل و نقل به صورت دلخواه و با نظر افراد تعیین می شوند، در حالی که این انتخاب بهینه نیست. بنابراین باید روشی اتخاذ شود که بتوان این مسئله را به صورت کارآمد مدل کرد. از سوی دیگر در صورتی که تعداد کارمندان در یک شرکت زیاد باشد، فضای جستجوی مسئله افزایش پیدا کرده و استفاده از الگوریتمهای ریاضی مشکل است. به همین...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

دانشگاه امام رضا علیه اسلام

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023