کاربرد الگوریتم کلونی مورچه ها در الگوریتم های داده کاوی

کاربرد الگوریتم کلونی مورچه ها در الگوریتم های داده کاوی


  • 303 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده 
الگوریتم بهینه سازی کلونی مورچه برای اولین بار توسط دوریگو و همکارانش (۵) برای مسائل مشکل بهینه سازی نظیر فروشنده دوره گرد ارائه شد. جنبه مهم رفتار مورچه ها، پیدا کردن کوتاه ترین مسیر بین لاته و منبع غذایی می باشد. مورچه ها مسیر بین لانه و منبع غذایی را دنبال می کنند، ماده ایی شیمیایی به نام فرومون از خود بجای می گذارند ، اگر هیچ دنباله ایی از فرومون در محیط وجود نداشته باشد، هر مورچه به صورت تصادفی مسیر بعدی خود را انتخاب می کند. فرومون در طول زمان تبخیر شده بنابراین نرخ تبخیر فرومون کمتر و در نتیجه با گذر زمان مسیر کوتاه تر دارای فراوانی فرومون بیشتری خواهد بود. فراوانی فرومون سبب می شود، در هر مسیر تعداد مورچه بیشتری از مسیر کوتاه تر گذر کنند و بعد از چند تكرار الگوریتم تمامی مورچه های از مسیر کوتاه تر گذر کنند (۵) ، این الگوریتم تا کنون برای مسائل بهینه سازی نظیر فروشنده دوره گرد، زمان بندی متوازن در شبکه ها استفاده شده است. این الگوریتم برای تکنیک های گوناگون داده کاوی نظیر دسته بندی نیز استفاده شده است.

نتیجه گیری
دانش مورد نظر توسط فرایند داده کاوی و به کمک روش دسته بندی بدست آمد. دانش حاصل شده توسط قوانین اگر آنگاه فازی نمایش داده شد. ارزیابی مجموعه قوانین بدست آمده توسط معیار های دقت سیستم دسته بندی مبتنی بر قوانین و همچنین بالا بودن قابلیت تفسیر ، زمان آموزش دسته بند انجام شد.
برای استخراج مجموعه قوانین فازی ، یک الگوریتم مینی پر کلونی مورچه ها پیشنهاد شده است این الگوریتم دارای ویژگی هایی است که آن را از روشهای استخراج دانش مبتنی بر کلونی مورچه ها متمایز می کند. در الگوریتم پیشنهادی ابتدا مقادير عددي خصیصه ها به ترم های فازی تبدیل می شوند و فرومون اولیه ی محیط مقدار گذاری می شود . سپس مورچه اول با انتخاب متوالی ترم ها، یک قانون فازی را ایجاد می کند و تعداد مشخصی دیگر از این مورچه ها ترم های قانون ایجاد شده را ویرایش می کنند تا کیفیت این قانون را بهبود بخشند. پس از آن مورچه ای که دارای بهترین ویرایش باشد، قانونش را به مجموعه قوانین کشف شده ، اضافه می کند. اکنون نمونه هایی که توسط این قانون پوشش داده شده اند ، از مجموعه آموزش حذف می شوند . عملیات فوق تا زمانی ادامه می یابد که نمونه های آموزش به اتمام برساند. به منظور کاهش زمان آموزش دسته يند، قوانین مربوط به هر کلاس به صورت موازی استخراج می شوند.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.