ارائه یک روش ترکیبی از الگوریتم ژنتیک برای استفاده در خوشه بندی داده ها

داده های بزرگ یا عظیم داده ترجمه اصطلاح Big Data می باشد که معمولا به مجموعه از داده ها اطلاق می شود که اندازه آنها فراتر از حدی است که با نرم افزارهای معمول بتوان آنها را در یک زمان معقول اخذ، دقیق سازی، مدیریت و پردازش کرد. مفهوم «اندازه» در داده های بزرگ بطور مستمر در حال تغییر است و به مرور بزرگتر می شود. از این رو با رشد روز افزون داده ها و نیاز به بهره برداری و تحلیل از این داده ها، بکارگیری زیرساخت های Big Data از اهمیت ویژه ای برخوردار شده است. ما به ارائه خلاصه ای از بررسی کلی برروی مسایل داده های حجیم می پردازیم که شامل فرصت ها و چالش های داده های حجیم، تکنیک ها و فناوری های فعلی می باشند. برای بهینه سازی عملکرد وتحلیل داده های بزرگ الگوریتم های تکاملی و داده کاوی مطرح می شوند. الگوریتم های تکاملی (EA) معروف است که کشف کننده های بهتر در فضای جستجو در مقایسه با تکنیک های سنتی هستند؛ که روش های قطعی را در برمی گیرند و از مکانیزم ها و عملیات ابتدایی برای حل مسئله استفاده می کنند و طی یک سری از تکرارها به راه حل مناسب برای مسئله می رسند. ما در اینجا از ترکیب الگوریتم k- میانگین و الگوریتم ژنتیک برای رسیدن به نتیجه مطلوب استفاده کردیم که الگوریتم ژنتیک یکی از مشهورترین و متداول ترین الگوریتم ها در بین الگوریتم های تکاملی است. این الگوریتم یک روش سراسری کمینه سازی است که برای حل مسائل بهینه سازی کاربردهای بسیار دارد.

کلیدواژه ها:

داده های بزرگ ، الگوریتم های تکاملی ، الگوریتم ژنتیک ، داده کاوی ، k- میانگین