Дослідження можливостей генетичного алгоритму в задачі кластеризації користувачів мережі Іnternet

Abstract

У статті запропоновано підхід для розв’язання задач кластеризації користувачів мережі Інтернет. Розроблено генетичний алгоритм для розв’язання поставленої задачі та відповідне програмне забезпечення для його практичного застосування. Задля врахування специфіки задачі та підвищення ефективності роботи генетичного алгоритму було застосовано неоднорідні хромосоми. Відповідно до цього було внесено суттєві модифікації до перебігу класичних процедур схрещування та мутації. Розроблений алгоритм було досліджено на швидкодію в порівнянні з алгоритмом граничного перебору та показано значну його перевагу за цим показником. Подальші дослідження будуть пов’язані з розвитком інтелектуального підходу до розв’язання даної задачі та використанням нечітких множин із метою подолання зашумленості вхідних даних.

В статье предложен подход для решения задач кластеризации пользователей сети Интернет. Разработан генетический алгоритм для решения поставленной задачи и соответствующее программное обеспечение для его практического применения. Для учета специфики задачи и повышения эффективности работы генетического алгоритма были применены неоднородные хромосомы. В соответствии с этим были внесены существенные модификации в течении классических процедур скрещивания и мутации. Разработанный алгоритм был исследован на быстродействие по сравнению с алгоритмом порогового перебора и показано значительное его преимущество по этому показателю. Дальнейшие исследования будут связаны с развитием интеллектуального подхода к решению данной задачи и использованием нечетких множеств с целью преодоления зашумленности входных данных.

This paper proposes an approach for solving the clustering network users Internet. A genetic algorithm to solve the problem and the appropriate software software for its practical application. To take into account the specifics of the problem and improve effectiveness of the genetic algorithm were applied heterogeneous chromosome. In accordance with the This included substantial modifications to the procedures for the classical crossover and mutation. The developed algorithm has been tested for performance in comparison with the threshold algorithm sorting and shown its significant advantage for this indicator. Further studies will be linked with the development of the intellectual approach to this problem and the use of fuzzy sets to overcome the noise input.