خوشه‌بندی خودکار داده‌ها با بهره‌گیری از الگوریتم رقابت استعماری بهبودیافته

Authors

Abstract:

Imperialist Competitive Algorithm (ICA) is considered as a prime meta-heuristic algorithm to find the general optimal solution in optimization problems. This paper presents a use of ICA for automatic clustering of huge unlabeled data sets. By using proper structure for each of the chromosomes and the ICA, at run time, the suggested method (ACICA) finds the optimum number of clusters while optimal clustering of the data simultaneously.To increase the accuracy and speed of convergence, the structure of ICA changes. As in different applications, there is a need for data clustering which the number of clusters is not known before it is necessary to have methods that can cluster data without knowing the correct prediction of the number of clusters. In the other words, the proposed algorithm requires no background knowledge to classify the data.  In addition, the proposed method is more accurate in comparison with other clustering methods based on evolutionary algorithms. In Imperialist Competitive Algorithm, firstly steps should be taken to increase search rates and explore possible solution while approaching to the global optimal response the steps should be reduced to ensure that the algorithm is not lost and it is not in the local optimal manner. For this purpose and improvement of imperialist competitive algorithm, mutation rate and revolution operator's operation rate are determined dynamically. DB and CS are cluster validity Indexes. In this paper, DB and CS cluster validity measurements are used as the objective function. To demonstrate the superiority of the proposed method, the average of fitness function and the number of clusters determined by the proposed method is compared with three automatic clustering algorithms based on evolutionary algorithms. The partitional clustering algorithms are based on three powerful well-known optimization algorithms, namely the genetic algorithm, the particle swarm optimization and differential evolutionary algorithm.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مسأله مسیریابی انتخابی باز وسایل نقلیه همراه با قیمت‌گذاری؛ حل: الگوریتم رقابت استعماری بهبودیافته

در این مقاله مسأله «مسیریابی انتخابی باز وسایل نقلیه همراه با قیمت‌گذاری» معرفی، مدل‌سازی و حل می‌شود. در این مسئله با توجه به هزینه‌های مسیریابی با استفاده از یک ناوگان همگن از وسایل نقلیه به قیمت‌گذاری بهینه پرداخته می‌شود. از سوی دیگر، در برخی از کاربردهای دنیای واقعی، شرکت‌ها ترجیح می‌دهند توزیع محصولات خود را با وسایل نقلیۀ اجاره‌ای انجام دهند؛ بنابراین بازگشت به مرکز بارگیری و تخلیه (دپو)...

full text

مکان‌یابی ماشین‌های مجازی با استفاده از الگوریتم رقابت استعماری

مجازی‌سازی و استفاده از ماشین‌های مجازی اساس تکنولوژی پردازش ابری است. ماشین‌های مجازی پس از مکان‌یابی، بر روی ماشین‌های فیزیکی منتخب اجرا می‌شوند. منظور از مکان‌یابی، انتخاب میزبان مناسب برای ماشین‌های مجازی موجود است. مکان‌یابی ماشین‌های مجازی در میزان مصرف انرژی و جلوگیری از هدر رفتن منابع در بسترهای سخت‌افزاری، نقش اساسی دارند. از طرفی، توسعه روزافزون سیستم‌های ابری فرآیند مکان‌یابی ماشین‌ه...

full text

یک رویکرد کارا در مسیریابی پرنده‌های بدون سرنشین مبتنی بر الگوریتم رقابت استعماری بهبودیافته

رشد روزافزون به‌کارگیری فناوری پرنده‌های بدون سرنشین (UAS) در زمینه‌های مرتبط با علوم مکانی و خدمات مکان‌مبنا موجب شده است تا امروزه بتوان از این سکوها به‌منظور تهیه تصاویر رقمی، پایش محیط زیست، زیرساخت ها و تاسیسات حساس و همچنین انتقال سریع کالا و خدمات پزشکی به مجروحان بهره‌گیری نمود. در این زمینه، توسعه استراتژی‌های سریع و کارا جهت مسیریابی سکوها می‌تواند موجب کیفیت‌بخشی، بهبود بازدهی و بهره...

full text

یک رویکرد کارا در مسیریابی پرنده های بدون سرنشین مبتنی بر الگوریتم رقابت استعماری بهبودیافته

رشد روزافزون به کارگیری فناوری پرنده های بدون سرنشین (uas) در زمینه های مرتبط با علوم مکانی و خدمات مکان مبنا موجب شده است تا امروزه بتوان از این سکوها به منظور تهیه تصاویر رقمی، پایش محیط زیست، زیرساخت ها و تاسیسات حساس و همچنین انتقال سریع کالا و خدمات پزشکی به مجروحان بهره گیری نمود. در این زمینه، توسعه استراتژی های سریع و کارا جهت مسیریابی سکوها می تواند موجب کیفیت بخشی، بهبود بازدهی و بهره...

full text

بهینه‌سازی سبد پروژه‌های با اثر متقابل با استفاده از الگوریتم رقابت استعماری (ICA)

بهینه‌سازی سبد پروژه سازمانی به‌دلیل پیچیدگی ارزیابی پروژه‌ها و همچنین محدودیت منابع همواره با چالش‌های تصمیم‌گیری متعددی روبرو است. مطالعات بسیاری برای ارائه و بررسی عملکرد مدل‌ها و الگوریتم‌های بهینه‌سازی سبد پروژه انجام شده است. با این وجود لحاظ اثرات متقابل بین پروژه­ها در بسیاری از این پژوهش‌ها مغفول مانده است. اگرچه لحاظ کردن اثرات متقابل بین پروژه‌ها باعث پیچیدگی مضاعف مسئله انتخاب سبد پ...

full text

حل مسائل زمان‌بندی پروژه با محدودیت منابع (RCPSP) با استفاده از الگوریتم رقابت استعماری اصلاح‌شده (DICA)

مسئلۀ زمان‌بندی پروژه با محدودیت منابع (RCPSP) جزء مسائل غیرچندجمله‌ای سخت (NP-Hard) است که برای حل آن، روش‌های ابتکاری و فراابتکاری در مقایسه با راه‌حل‌های دقیق، کارایی بیشتری دارند. در این تحقیق از الگوریتم رقابت استعماری اصلاح‌شده برای حل مسئلۀ زمان‌بندی پروژه با محدودیت منابع در حالت تک‌حالته و همچنین از الگوریتم محاسبۀ جواب موجه ابتدایی برای افزایش سرعت الگوریتم رقابت استعماری اصلاح‌شده با...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 2

pages  159- 169

publication date 2017-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023