| خوشه‌بندی ظرفیت‌دار مبتنی‌بر شبکه گاز عصبی و تخصیص خطی |
| کد مقاله : 1193-ICIM |
| نویسندگان: |
|
محمدعلی فائضی راد * تهران، خیابان شهید موحد دانش (اقدسیه)، خیابان البرز، پلاک ۲۰، ط دوم جنوبی |
| چکیده مقاله: |
| خوشه‌بندی ظرفیت‌دار یکی از مسائلی است که از کاربرد گسترده‌ای در مسائل داده‌کاوی برخوردار است. این روش یکی از رویکردهای پرکاربرد تحلیل خوشه‌ای است که در حوزه‌های مختلف نظیر مسیریابی وسائل نقلیه، ناحیه‌بندی سیاسی، بخش‌بندی بازار و ... قابل پیاده‌سازی و بهره‌گیری است. از میان روش‌های رایج در تحلیل خوشه‌ای، روش‌های مبتنی‌بر یادگیری ماشین به‌ویژه شبکه‌های عصبی مصنوعی هستند. شبکه گاز عصبی (NGN) یک شبکه عصبی با یادگیری بدون نظارت است که به‌طور پیش‌فرض نمی‌توان از آن برای خوشه‌بندی ظرفیت‌دار استفاده نمود. در این پژوهش، ابتدا مراکز خوشه‌ها با استفاده از شبکه گاز عصبی رشدیابنده مشخص می‌شوند. سپس با محاسبه ماتریس فواصل و با بهره‌گیری از یک مدل برنامه‌ریزی خطی، هریک از نمونه‌ها را به خوشه‌های ظرفیت‌دار تخصیص می‌دهیم. بدیهی است که این تخصیص با درنظر گرفتن محدودیت ظرفیت انجام می‌گیرد. مورد مطالعه این پژوهش، یک سیستم توزیع مواد غذایی در استان تهران است که برنامه‌ریزی پیشنهادی برای تعیین ظرفیت حمل‌ونقل آن ارائه شده است. |
| کلیدواژه ها: |
| تخصیص خطی، خوشه‌بندی ظرفیت‌دار، شبکه توزیع، شبکه گاز عصبی رشدیابنده |
| وضعیت : مقاله برای ارائه به صورت پوستر پذیرفته شده است |