ورود
مقالات فارسیISIکنفرانسهاژورنالها

توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی

محل انتشار: مجله چشم انداز مدیریت صنعتی، دوره: 9، شماره: 4
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 184

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1271145

شناسه ملی سند علمی:

JR_INDU-9-4_002

تاریخ نمایه سازی: 28 شهریور 1400

چکیده مقاله:

در سال ­های اخیر مسئله جدیدی با عنوان «خوشه ­بندی چند­معیاره» ظهور کرده که هدف آن، دسته بندی گزینه­ ها در گروه ­های همگنی به نام خوشه با توجه به معیارهای ارزیابی متفاوت است. در ادامه پژوهش­ های انجام­ گرفته در مبانی نظری، پژوهش حاضر با ترکیب الگوریتم K- میانگین و تکنیک پرامتی، به­ دنبال توسعه یک روش جدید خوشه­ بندی چندمعیاره است. پارامترهای مسئله، پروفایل­ های جدا­کننده خوشه ­ها هستند که برای بهینه­ سازی آن­ها از الگوریتم ژنتیک استفاده شده است. برای تنظیم پارامترهای ژنتیک نیز از روش تاگوچی استفاده می­ شود. در این مدل­ سازی، متغیرها در هر مرحله از به روزرسانی جواب­ ها، با توجه به فاصله امتیاز جریان خالص خود از پروفایل­ ها به نزدیک ترین خوشه تخصیص می­ یابند. عملگر جهش نیز صرفا زمانی اعمال می­ شود که میزان شباهت کروموزوم­ ها در هر جمعیت به حد خاصی برسد که این هوشمند­سازی موجب کاهش زمان محاسباتی شده است. درنهایت با اجرای روش پیشنهادی بر روی چند نمونه مسائل تصادفی مالی، عملکرد آن با سایر الگوریتم­ های شناخته­ شده خوشه­ بندی مقایسه شده است. نتایج نشان می­ دهد که روش پیشنهادی ضمن تعیین تعداد بهینه خوشه ­ها، در مقایسه با سایر الگوریتم ­ها، جواب­ های دقیق­ تری ارائه می ­دهد.

کلیدواژه ها:

نویسندگان

امیر دانشور

استادیار مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.

مهدی همایون فر

استادیار مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران.

آنیا فرهمندنژاد

کارشناسی ارشد مدیریت صنعتی، واحد الکترونیکی، دانشگاه آزاد اسلامی، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmadzadehgoli, N., Behzadi, M. H., & Mohammadpour, A. (۲۰۱۸). Clustering ...
  • Aliheidari Bioki, T., & Khademi Zare, H. (۲۰۱۵). Improvement of ...
  • Alizadeh A, & Pooya A. (۲۰۱۷). Evaluating and clustering the ...
  • Almeida, A. T., & Vetschera, R. (۲۰۱۲) A PROMETHEE-based approach ...
  • Asgharizadeh, E. A., Bitaraf, A., & Ajeli, M. (۲۰۱۱). Developing ...
  • Azizi, S., & Balaghi Inanlou, M. H., (۲۰۱۶). Segmentation of ...
  • Baroudi, R., Safia, N.B. (۲۰۱۰). Towards multicriteria analysis: a new ...
  • Brans, J. P., & Mareschal, B. (۲۰۰۵). PROMETHEE methods. In ...
  • Brans, J. P., & Vincke, P. (۱۹۸۵). PROMETHEE method for ...
  • Capó, M., Pérez, A., & Lozano, J. A. (۲۰۱۷). An ...
  • Cavalcante, C. A. V., Ferreira, R. J. P., & de ...
  • Costa, C. B., De Corte, J. M. & Vansnick, J. ...
  • De Smet, Y. (۲۰۱۳). P۲CLUST: An extension of PROMETHEE II ...
  • De Smet, Y., & Guzmán, L. M. (۲۰۰۴). Toward multi-criteria ...
  • De Smet, Y., Nemery, P., & Selvaraj, R. (۲۰۱۲). An ...
  • Dyer, J. S. (۲۰۰۵). Multi-Attribute Utility Theory (MAUT). In Multiple ...
  • Faezi-Rad, M. A., & Pooya, A., (۲۰۱۶). Clustering of Online ...
  • Fernandez, E., Navarro, J., & Bernal, S. (۲۰۱۰). Handling multicriteria ...
  • Figueira, J., Mousseau, V., & Roy, B. (۲۰۰۵). ELECTRE Methods. ...
  • Ghorbanpour A, Tallai G, & Panahi M. (۲۰۱۵). Clustering Customers ...
  • Hamedi, P., Khadivar, A., & Razmi, Z. (۲۰۱۳). Customer clustering ...
  • Han, J., Kamber, M., & Pei, J., (۲۰۱۱). Data Mining: ...
  • Holland, J. H. (۱۹۷۵). Adaptation in natural and artificial systems: ...
  • Imani, A., & Abbasi, M. (۲۰۱۷). Customers Clustering Based on ...
  • Islam, M. Z., Estivill-Castro, V., & Rahman, M. A., Bossomaier, ...
  • Jafarnejad, A., Mohseni, M., & Abdollahi, A. (۲۰۱۴). Developing a ...
  • Keshavarz Hadadha, A., Jalili Bal, Z., & Haji Yakhcha, S. ...
  • Khadivar, A., & Hamedi, P. (۲۰۱۵). Providing Synthetic Data Mining ...
  • Khadivar, A., & Mojibian, F. (۲۰۱۸). Workshops Clustering Using a ...
  • Krink, T., Paterlini, S., & Resti, A. (۲۰۰۷). Using differential ...
  • Kumar, S., (۲۰۱۸). Optimal cluster analysis using hybrid K-Means and ...
  • Lai, R. K., Fan, C. Y., Huang, W. H., & ...
  • Liao, S. H., Ho, H. H., & Lin, H. W. ...
  • Meyer, P., & Olteanu, A. L. (۲۰۱۳). Formalizing and solving ...
  • Montgomery, D. C. (۲۰۰۹). Design and Analysis of Experiments. ۸th ...
  • Nabiloo, M., & Daneshpour, N. (۲۰۱۷). A clustering algorithm for ...
  • Olson, D., & Zoubi, A. T. (۲۰۰۸). Using accounting ratios ...
  • Omidi, M., Razavi, H., & Mahpeykar, M. R. (۲۰۱۱). Selection ...
  • Rocha, C., Dias, L. C., & Dimas, I. (۲۰۱۳). Multi-criteria ...
  • Saaty, T. L. (۲۰۰۵). The analytic hierarchy and analytic network ...
  • Sarrazin, R., De Smet, Y., & Rosenfeld, J. (۲۰۱۸). An ...
  • Seifoddini, H., & Wolfe, P. M. (۱۹۸۶). Application of the ...
  • Silva, V. B., Morais, D. C., & Almeida, A. T. ...
  • Yaghini, M., & Vard, M. (۲۰۱۲). Automatic Clustering of Mixed ...
  • Yang, F., Sun, T., & Zhang, C., (۲۰۰۹). An efficient ...
  • Yu, S. S., Chu, S. W., Wang, C. M., Chan, ...
  • Zare Ahmadabadi, H., Rafiei Omam, M., & Naser Sadr Abadi, ...
  • Zhai, J., Cao, Y., Yao, Y., Ding, X., & Li, ...
  • Zhang, Y., Wang, C. D., Huang, D., Zheng, W. S., ...
  • Zhao, Y., Ming, Y., Liu, X., Zhu, E., Zhao, K., ...
    • نمایش کامل مراجع