ارزیابی وام های مشتریان با استفاده از الگوریتم Fish School Search

در سیستم های مالی و بانک ها ، اعطای تسهیلات و وصول مطالبات معوق ، از جمله مسائل پر چالش می باشد. بر این اساس طرح هایی نیز جهت ارزیابی اعتباری مشتریان ارائه شده اند. این طرح ها درخواست های وام متقاضیان را دسته بندی نموده و مدلی برای بررسی بدهی های مالی ارائه می دهند ، تا بتوانند جهت قضاوت در زمینه ارزیابی مسائل وام ها ، کمکی به روش های سنتی داوری نمایند. در این مقاله روشی جدید برای ارزیابی وام های مشتریان توسط الگوریتم Fish School Search مورد بررسی قرار گرفته وبرای دسته بندی متقاضیان از روش خوشه بندیK_Means استفاده شده است و نتایج حاصل از آن با روش "خوشه بندیK_Means " و"الگوریتم FSS" مقایسه شده است. در مجموع الگوریتم ترکیبیFSS وK_Means در زمینه ی تشخیص مسائل مربوط به بازدهی وام ها بهتر عمل می نماید. الگوریتم مورد مطالعه از سه تابع مختلف برای یافتن بهترین جواب استفاده می کند: حرکت فردی ، حرکت غریزی دسته جمعی و حرکت ارادی دسته جمعی و متقاضیان را به دو دسته ی "مشتریان خوب" و "مشتریان بد" تقسیم می کند. در این مقاله برای ارزیابی عملکرد الگوریتم مورد مطالعه در تشخیص مسائل وام ها ، از مجموعه داده های استاندارد آلمان استفاده شده است.

کلیدواژه ها:

مطالبات معوق ، دسته بندی ، تسهیلات ، خوشه بندی