خوشه بندی چندهدفه ترکیبی مبتنی بر MOEA/D و OPTICS

در این پژوهش، یک چارچوب ترکیبی برای خوشه بندی چندهدفه ارائه شده است که از الگوریتم MOEA/D به منظور جست وجوی راه حل های بهینه پارتو و از الگوریتم OPTICS برای استخراج ساختار خوشه ها استفاده می کند. هدف اصلی روش پیشنهادی، ایجاد تعادل میان انسجام درونی خوشه ها، تفکیک بین خوشه ها و افزایش توانایی شناسایی ساختارهای پیچیده، نامتقارن و دارای نویز در داده ها است. چارچوب پیشنهادی شامل دو فاز اصلی است. در فاز نخست، الگوریتم MOEA/D با تجزیه مسئله به زیرمسئله های چندهدفه، مجموعه ای از راه حل های نامغلوب را بر اساس توابع هدفی نظیر کاهش فاصله درون خوشه ای، افزایش جداسازی بین خوشه ها و بهبود پایداری ساختار خوشه ها تولید می کند. در فاز دوم، الگوریتم OPTICS بر روی راه حل های منتخب اعمال می شود تا خوشه های نهایی بدون نیاز به تعیین تعداد خوشه ها و با قابلیت شناسایی ساختارهای غیرخطی استخراج شوند. به منظور ارزیابی عملکرد روش پیشنهادی، آزمایش هایی بر روی داده های مصنوعی و مجموعه داده های واقعی انجام شد. نتایج حاصل نشان می دهد که ترکیب MOEA/D-OPTICS در مقایسه با روش های مرجع، توانایی بیشتری در کشف خوشه های پیچیده و مقاوم در برابر نویز دارد. همچنین ارزیابی با استفاده از معیارهایی نظیر Hypervolume (HV)، ضریب Silhouette و ARI بیانگر بهبود کیفیت خوشه بندی و کارایی روش پیشنهادی است.

کلیدواژه ها:

الگوریتم ترکیبی ، الگوریتم بهینه سازی ، خوشه بندی ، MOEA/D ، OPTICS