کاربرد مجموعه های فازی و ماشین های یادگیری در تحقیقات عملیاتی

قرن حاضر، قرن فنآوری اطلاعات و داده کاوی است. انقلاب دیجیتالی، ثبت و ذخیرهی اطلاعات را بصورت عددی بسیار آسان نموده است. با توسعهی سختافزاری و نرمافزاری و به خدمتگیری آن در امور زندگی، حجم عظیمی(از نظر تعداد و بعد) از اطلاعات غیرمتجانس(مخلوطی از اطلاعات موضوعی، نمادین، عددی، متنی، تصویری) ثبت و ذخیره میشود و دیگر با این حجم از اطلاعات غیرمتجانس، استفاده از روشهای آماری کلاسیک جهت تحلیل کفایت نمیکند. رویکرد شناسایی الگو و یادگیری ماشین اصولی هستند که برای تحلیل اطلاعات نامتجانس و حجیم بکار میرود و کاوش اطلاعات نام دارد. کاوش اطلاعات، فرآیندی برای شناسایی الگوهای قابل قبول، جدید، مفید و قابل فهم از اطلاعات است. بهمنظور کارآیی، استحکام و انعطافپذیری مورد نیاز در کاوش اطلاعات حجیم و نامتجانس، استفاده از ابزار محاسبات نرم مورد نیاز است. در چند تحقیق اخیردر حیطه آن با روش هایی برای مقایسه اتوماتای مدلها و استخراج الگو های جالب و مفید از روی داده های تجربی فکرهایی شده است

کلیدواژه ها:

یادگیری ماشین ، وابستگی تدریجی ، خوشه بندی ، درخت تصمیم گیری ، مجموعه فازی