واکشی قوانین دستهبندی با استفاده از الگوریتم ژنتیک برای مسئله بازسازی هاپلوتایپها

امروزه به دلیل زیاد بودن حجم دادهها و پیچیدگی آنها و نیاز بشر به دانش نهفته در آنها استفاده از روشی کارامد جهت استخراج دادههای مفید از این سیل حجیم داده، ضروی میباشد. در این مقاله یک روش کارامد برای بازسازی هاپلوتاپهادرمدل تصحیح کمترین خطا واکشی دانش از مجموعه دادههای ورودی ارائه شده است. دراستخراج داده کارا ابتدا داده خام مورد پردازش قرار گرفته به قالبی مورد استفاده برای فرایند تبدیل شود، سپس دادههای بدست آمده از مرحله قبل، به کمک اعمالی نظیر دسته بند ی وخوشه بندی به منظور تشریص الگو مورد استفاده قرار میگیرد. در روش پیشنهادی، به کمک الگوریتم ژنتیک، مجموعهای از قوانینif-then را ایجاد کرده تا به کمک آنها عمل دستهبندی انجام شود. این الگوریتم که بر اساس ایدههای بیولوژیکی بنا نهاده شده یکی از روشهای موجود در الگوریتمهای تکاملی است که از کاربردهای آن، میتوان هوش مصنوعی را نام برد. الگوریتم پیشنهادی، باتوجه به معیارهایی نظیر دقت و قابلیت تفسیر، به جستجوی مجموعهای از قوانینif-thenدر فضای حالت مربوط به مجموعه قوانین میپردازد که بهترین کارایی را داشته و به کمک مکانیزمهایی از راه حلهای بهینه محلی میگریزد. نتایج حاصله که بر روی توالی هاپلوتایپ 72 فرد از مجموعه داده انجام گرفته است و همچنین پیاده سازی نرمافزاری این روش نشان میدهد که روش پیشنهادی در مقایسه با روشهای پیشین در این زمینه، از کارایی بالایی برخوردار است.