توسعه یک روش هوشمند خوشه‌بندی چندمعیاره مبتنی بر پرامتی

Abstract

در سال‌­های اخیر مسئله جدیدی با عنوان «خوشه‌­بندی چند­معیاره» ظهور کرده که هدف آن، دسته‌بندی گزینه­‌ها در گروه‌­های همگنی به نام خوشه با توجه به معیارهای ارزیابی متفاوت است. در ادامه پژوهش­‌های انجام­‌گرفته در مبانی نظری، پژوهش حاضر با ترکیب الگوریتم K- میانگین و تکنیک پرامتی، به­‌دنبال توسعه یک روش جدید خوشه­‌بندی چندمعیاره است. پارامترهای مسئله، پروفایل­‌های جدا­کننده خوشه‌­ها هستند که برای بهینه­‌سازی آن­ها از الگوریتم ژنتیک استفاده شده است. برای تنظیم پارامترهای ژنتیک نیز از روش تاگوچی استفاده می­‌شود. در این مدل­‌سازی، متغیرها در هر مرحله از به‌روزرسانی جواب­‌ها، با توجه به فاصله امتیاز جریان خالص خود از پروفایل­‌ها به نزدیک‌ترین خوشه تخصیص می­‌یابند. عملگر جهش نیز صرفاً زمانی اعمال می­‌شود که میزان شباهت کروموزوم­‌ها 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 الگوریتم­‌های شناخته­‌شده خوشه­‌بندی مقایسه شده است. نتایج نشان می­‌دهد که روش پیشنهادی ضمن تعیین تعداد بهینه خوشه‌­ها، در مقایسه با سایر الگوریتم‌­ها، جواب­‌های دقیق­‌تری ارائه می‌­دهد.