راهکار کلونی مورچه برای خوشه بندی
قیمت محصول: 130000 ریال
An ant colony approach for clustering
Abstract
This paper presents an ant colony optimization methodology for optimally clustering N objects into K clusters. The algorithm employs distributed agents which mimic the way real ants find a shortest path from their nest to food source and back. This algorithm has been implemented and tested on several simulated and real datasets. The performance of this algorithm is compared with other popular stochastic/heuristic methods viz. genetic algorithm, simulated annealing and tabu search. Our computational simulations reveal very encouraging results in terms of the quality of solution found, the average number of function evaluations and the processing time required.
دانلود رایگان مقاله انگلیسی 136.69 KB
چکیده
این مقاله یک متدولوژی بهینه سازی کلونی مورچه برای خوشه بندی بهینه ی N شی در K خوشه ارائه می کند. الگوریتم از عامل های توزیع شده استفاده می کند که راهی را که مورچه ها کوتاه ترین مسیر از لانه شان تا منبع غذا و برعکس را پیدا می کنند، تقلید می کند. این الگوریتم روی مجموعه داده های متعدد شبیه سازی شده و واقعی پیاده سازی و تست شد. کارایی این الگوریتم با سایر روش های تصادفی/هیوریستیک مانند الگوریتم ژنتیک، تبرید شبیه سازی شده و جستجوی ممنوعه مقایسه می شود. شبیه سازی های محاسباتی ما نتایج امیدبخشی را برحسب کیفیت راه حل پیدا شده، میانگین تعداد ارزیابی های تابع و زمان پردازش مورد نیاز نشان می دهند.
تعداد صفحات مقاله انگلیسی: 9 صفحه
تعداد صفحات فارسی مقاله ترجمه شده : 23 صفحه
قالب بندی فایل: فایل ورد (Word)