خوشه بندی چندمعیاره

در سال های اخیر مسئله جدیدی با عنوان «خوشه بندی چند معیاره» ظهور کرده که هدف آن، دسته بندی گزینه ها در گروه های همگنی به نام خوشه با توجه به معیارهای ارزیابی متفاوت است. در ادامه پژوهش های انجام گرفته در مبانی نظری، پژوهش حاضر با ترکیب الگوریتم K- میانگین و تکنیک پرامتی، به دنبال توسعه یک روش جدید خوشه بندی چندمعیاره است. پارامترهای مسئله، پروفایل های جدا کننده خوشه ها هستند که برای بهینه سازی آن ها از الگوریتم ژنتیک استفاده شده است. برای تنظیم پارامترهای ژنتیک نیز از روش تاگوچی استفاده می شود. در این مدل سازی، متغیرها در هر مرحله از به روزرسانی جواب ها، با توجه به فاصله امتیاز جریان خالص خود از پروفایل ها به نزدیک ترین خوشه تخصیص می یابند. عملگر جهش نیز صرفاً زمانی اعمال می شود که میزان شباهت کروموزوم ها در هر جمعیت به حد خاصی برسد که این هوشمند سازی موجب کاهش زمان محاسباتی شده است. درنهایت با اجرای روش پیشنهادی بر روی چند نمونه مسائل تصادفی مالی، عملکرد آن با سایر الگوریتم های شناخته شده خوشه بندی مقایسه شده است. نتایج نشان می دهد که روش پیشنهادی ضمن تعیین تعداد بهینه خوشه ها، در مقایسه با سایر الگوریتم ها، جواب های دقیق تری ارائه می دهد.