کاهش خستگی کاربر در طراحی مشتری محور محصول با ترکیب الگوریتم ژنتیک تعاملی و الگوریتم حذف کاندید

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 476

فایل این مقاله در 6 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:

شناسه ملی سند علمی:

ICIKT08_127

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

طراحی مشتری محور محصولات تاثیر چشمگیری بر افزایش جذب مشتریان و فروش دارد. یکی از روشهای مطرح در این حوزه بهره مندیاز الگوریتم های هوش مصنوعی تکاملی تعامل کننده با کاربر است که از طریق آنها کاربر می تواند در حین اجرای الگوریتم به عنوان ارزیابعمل کرده و نظر خود را بهصورت مستقیم در فرآیند طراحی محصول دخیل کند. مشکل خستگی کاربر به دلیل تعداد تکرار بالای اینالگوریتم ها برای رسیدن به پاسخ مطلوب مهمترین چالش این دسته از الگوریتم ها است. در این مقاله روشی برای بهبود این چالش در الگوریتمژنتیک تعاملی ارائه شده است. در این روش با استفاده از الگوریتم «حذف نامزد» از تولیدکروموزوم هایی که با احتمال زیاد موردپسند کاربرنخواهد بود جلوگیری می شود. روش پیشنهادی برای تولید طراحی مشتری محور جلد کتاب به کارگرفته شده و نتایج آن با الگوریتم ژنتیکتعاملی ساده و یکی از جدیدترین روش های ارائه شده برای حل چالش خستگی کاربر با نام ژنتیک تعاملی چند مرحله ای مقایسه شدهاست. نتایج نشان دهنده ی کاهش چشمگیر تعداد تکرارهای لازم برای رسیدن به پاسخ بهینه و کاهش زمان ارزیابی توسط کاربر نسبت بهروش ژنتیک تعاملی ساده و ژنتیک تعاملی چند مرحله ای است که موجب کاهش خستگی کاربر در تعامل با الگوریتم خواهد بود.

کلیدواژه ها:

نویسندگان

زهرا شیخی

گروه مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان

مرجان کائدی

گروه مهندسی فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان

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 :
  • . Y. Wang , M. M. Tseng, "Integrating comprehensive customer ...
  • . S. Ono, H. Maeda, K. Sakimoto, and S. Nakayama, ...
  • . H. Takagi, "Interactive evolutionary computation: fusion of the ...
  • of the IEEE, vol. 89, pp. 1275-1296, 2001. ...
  • . H. S. Kim , S. B. Cho, "Application of ...
  • genetic algorithm to fashion design, Engineering Applications of Artificial Intelligence", ...
  • . J. H. Lee , M. L. Chang, "Stimulating designers' ...
  • . P. Walsh and P Gade, "Terrain generation using an ...
  • . L. Chih-Chin , C. Ying-Chuan, _ A User-Oriented Image ...
  • . G. V. Nicolas Monmarche , A.Oliver, _ Interactive design ...
  • . M. Miki, H. Orita, S. H. Wake, and T. ...
  • International Conference on, 2006, pp. 3486-3490. ...
  • . Y. Fei, L. Yuanxiang, K. Li, and L. Zhij ...
  • . R. Dou, C. Zong, and M. Li, "An interactive ...
  • . L. Garc ia-Hernandez, H. Pierreval, L. Salas-Morera, and A. ...
  • Algorithm" , Applied Soft Computing, vol. 13, pp. 1718-1727, 4// ...
  • . A. M. Brintrup, J. Ramsden, and A. Tiwari, "An ...
  • .L. Garc ia-Hernandez, J. M. P alomo-Romero, L. Salas-Morera, A. ...
  • evolutionary approach for capturing decision maker knowledge into the unequal ...
  • . S. W. Mahfoud, "Niching methods for genetic algorithms", University ...
  • . R. Dou, c. Zong, and G. Nan, _ Multi-stage ...
  • . T.Mitchell, Machine learning, McGrawHill Science, Boston, 1997. ...
  • .A.Eiben, J. Smith, "Introduction d evolutionary computing", Springer, USA, 2 ...
  • capabilities of EC optimization and human evaluation", Proceedings و [19]. ...
  • Journal Experimental & Theoretical Artificial Intelligence , 22(1), 208, doi: ...
  • نمایش کامل مراجع