الگوریتم ژنتیکی جدید گروه بندی برای مسایل خوشه بندی

در این مقاله یک الگوریتم ژنتیکی جدید گروه بندی برای مسایل خوشه بندی را ارایه می دهیم. هر چند روش های مختلفی برای آنالیز عملکرد الگوریتم های ژنتیکی و تکاملی برای خوشه بندی وجود داشته است، رویکرد مبتنی بر گروه بندی آزمایش شده برای این مسیله به اندازه دانش ما نبوده است. تقسیم بازار بطور گستردهای برای هدف قراردادن یک بازار کوچک استفاده می شود و برای مدیران با هدف جلب موثر تمام مشتریان به وسیله ی اصول پایه ای بازاریابی سودمند است. هرچند الگوریتم های خوشه بندی برای مقابله با این مشکل به طور متداول به کار گرفته شده اند، اما نمی توانند بدون حذف متغیرهای غیرمرتبط سودمند باشند، زیرا این متغیرها باعث برهم ریختن ساختار تقسیم بندی شده و نتایج را باطل می کنند. در این مقاله الگوریتم های ژنتیک GA برای انتخاب متغیرها و تعیین تعداد خوشه ها مورد استفاده قرار می گیرد. در گام های سلسله مراتبی خوشه بندی، مشاهدات با حداقل شباهت باید با هم ادغام شده و برخی از آنها نیز به هدر می روند. برای بهبود این نقص، تفکر اصلی پشت الگوریتم پیشنهادی، جلوگیری از به هدر رفتن داده ها در فرآیند سلسله مراتبی خوشه بندی است، بنابراین تمام مشاهدات به صورت تصادفی به تعدادی از خوشه های از پیش تعریف شده با روش GA اختصاص داده شدند. در این مدل، عوامل عملکردی مربوط به عملیات توزین، مانند حجم ترافیک تریلر، اضافه باری تشخیص داده شده، نوع مقیاس های قابل حمل یا ثابت و میزان تشخیص های کسب شده در مقایسه با مدت زمان مشابه در سال گذشته را مورد توجه و بررسی قرار می دهیم

کلیدواژه ها:

الگوریتم ژنتیک ، خوشه بندی ، GA.k-means