تاثیر جهش هدفمند در خوشه بندی ژنتیک

در این مقاله به ارائه الگوریتم ژنتیک بهینه شده می پردازیم که با به کارگیری فاکتورهایی از قبیل گلچین کردن اعضا با کیفیت بالا و یک عملگر جهش هدفمند عملکرد بهینه ای نسبت به الگوریتم زنتیک موجود دارد . این الگوریتم برای اینکه مانع ، از بین رفتن اعضا با کیفیت بالا در مرحله جهش شود ر مرحله نهایی جمعیت گلچین شده را جایگزین اعضا با کیفیت پایین می کند و در مرحله جهش پس از انتخاب تصادفی یک مشخصه سعی می کند با استفاده از یک جهش هدفمند، بهترین حالت ممکن برای جایگزینی این مشخصه را انتخاب می کند تا به این وسیله از افتادن در مینیمم های محلی که الگوریتم ژنتیک با آن روبرو است پیشگیری شود . با اعمال این الگوریتم بر روی گراف های متعدد و مقایسه عملکرد آن با الگوریتم ژنتیک موجود به این نتیجه رسیده ایم که الگوریتم فوق خوشه بندی مناسب تری از گراف وابستگی ارائه می کند.

کلیدواژه ها:

جهش هدفمند ، خوشه بندی ، الگوریتم ژنتیک ، الگوریتم ژنتیک بهینه شده ، گراف وابستگی