استفاده از الگوریتم بهینه سازی کلونی مورچگان برای تشخیص و دسته بندی نفوذ

بهینه سازی گروه مورچه ها یا ACO ، یک مسئله بهینه سازیست که گاه حل آن بسیار دشوار است و گاه نیز بسیار زمانبر. در این روش(ACO)، مورچه های مصنوعی به وسیله حرکت بر روی نمودار مساله و با باقی گذاشتن نشانه هایی بر روی آن، همچون مورچه های واقعی که در مسیر حرکت خود نشانه های باقی می گذارند، باعث می شوند که مورچه های مصنوعی بعدی بتوانند راه حل های بهتری را برای مساله فراهم نمایند. مطالعات کلنی مورچه به وفور در مجموعه ای از الگوریتم های هوشمند کمک کرده است. بهینه سازی الگوریتم مورچه (ACO) با موفقیت به کارهای بهینه سازی ترکیبی به خصوص به مشکل طبقه بندی داده کاوی استفاده گردیده است. الگوریتم های مبتنی بر مورچه و یا بهینه سازی کلونی مورچه ها (ACO) ، در زمینه داده کاوی کاربردی برای استخراج طبقه مبتنی بر قواعد بکار برده شده و در زمینه مشکلات بهینه سازی ترکیبی بطور موفق استفاده شده است.

کلیدواژه ها:

الگوریتم کلونی مورچگان ، تشخیص نفوذ ، داده کاوی ، الگوریتم مورچه-معدن