پیش بینی مساله اصلی بسیاری از تحقیقات در چند دهه ی گذشته بوده است و بسیاری از محققین بر روی این مساله کار کرده اند. پیش بینی آب و هوا، پیش بینی بورس، پیش بینی فروش و پیش بینی ترافیک تنها نمونه هایی از کاربرد ابزارهای پیش بینی هستند. طیف وسیعی از تکنیک ها، از روش های ریاضی تا روش های داده کاوی توسط محققین برای پیش بینی بکار گرفته شده است. یکی از تکنیک های مشهور برای پیش بینی "رگرسیون بردار پشتیبان" است. رگرسیون بردار پشتیبان قابلیت بالایی در حل مسائل مختلف پیش بینی دارد. دو چالش مهم در بکارگیری رگرسیون بردار پشتیبان عبارتند از: تعیین پارامترهای رگرسیون بردار پشتیبان و تعیین نوع تابع هسته (کرنل) بکار رفته در رگرسیون بردار پشتیبان. در همین راستا این تحقیق از دو بخش تشکیل شده است. در بخش اول مدلی از ترکیب رگرسیون بردار پشتیبان و الگوریتم فرا ابتکاری خفاش ارائه شده است. نتایج ارزیابی مدل ارائه شده روی داده های فروش صنعت مدارهای چاپی تایوان نشان داد که مدل ارائه شده نسبت به مدل های مشابه کارایی بهتری دارد و پارامترهای تعیین شده توسط الگوریتم خفاش (چالش اول) منجر به پیش-بینی های دقیق تری نسبت به مدل های مشابه شدند. در بخش دوم این تحقیق بر اساس مدل ارائه شده، یک سیستم توزیع شده و مبتنی بر عامل طراحی، پیاده سازی و اجرا شد. در این سیستم از قابلیت های سیستم های توزیع شده برای انتخاب بهترین تابع هسته متناسب با مساله (چالش دوم) استفاده شد. در سیستم مذکور مراحل مختلف داده کاوی توسط عامل ها انجام می گیرد.