ỨNG DỤNG THUẬT TOÁN TỐI ƯU TIẾN HÓA BẦY ĐÀN MỜ TRONG PHÂN TÍCH NHU CẦU KHÁCH HÀNG

Nguyễn Thị Như Na

Tóm tắt


Bài báo này ứng dụng thuật toán tối ưu tiến hóa bầy đàn mờ cho bài toán phân tích nhu cầu khách hàng. Đây là bài toán có ý nghĩa ứng dụng lớn trong hoạt động sản xuất kinh doanh. Áp dụng thuật toán tối ưu tiến hóa bầy đàn mờ vào bài toán cụ thể là một công ty chuyên cung cấp thiết bị y tế của Mỹ muốn phân tích nhu cầu 500 bệnh viện trong khu vực về các thiết bị và vật tư y tế, hỗ trợ công ty đưa ra chiến lược kinh doanh phù hợp nhất với từng bệnh viện để đạt doanh thu cao.

Từ khóa


Bầy đàn; Di truyền; Phân cụm; Tập mờ; Tiến hóa; Tối ưu.

Toàn văn:

PDF

Các tài liệu tham khảo


Angeline, P. J. (1995). Adaptive and self-adaptive evolutionary computations. Paper presented at The Computational Intelligence: A Dynamic Systems Perspective, USA.

Aksoy, E. (2006). Clustering with GIS: An attempt to classify Turkish district data. Paper presented at The XXIII FIG Congress, Germany.

Bezdek, J. C. (2013). Pattern recognition with fuzzy objective function algorithms. Berlin, Germany: Springer Science & Business Media.

Biswal, B., Dash, P. K., & Panigrahi, B. K. (2009). Power quality disturbance classification using fuzzy C-means algorithm and adaptive particle swarm optimization. IEEE Transactions on Industrial Electronics, 56(1), 212-220.

Bùi, C. C., & Nguyễn, D. P. (2006). Hệ mờ mạng nơron và ứng dụng. Hà Nội, Việt Nam: NXB Khoa học và Kỹ thuật.

Brimberg, J., Hansen, P., Mladenović, N., & Taillard, E. D. (2000). Improvements and comparison of heuristics for solving the uncapacitated multisource Weber problem. Operations Research, 48(3), 444-460.

Chen, M., & Ludwig, S. A. (2014). Particle swarm optimization based fuzzy clustering approach to identify optimal number of clusters. Journal of Artificial Intelligence and Soft Computing Research, 4(1), 43-56.

Du, M. O., Hansen, P., Jaumard, B., & Mladenovic, N. (1999). An interior point algorithm for minimum sum-of-squares clustering. SIAM Journal on Scientific Computing, 21(4), 1485-1505.

Eberhart, R., & Kennedy, J. (1995). A new optimizer using particle swarm theory. Paper presented at The Sixth International Symposium on IEEE, USA.

Fischetti, M., Lancia, G., & Serafini, P. (2002). Exact algorithms for minimum routing cost trees. Networks, 39(3), 161-173.

Giudici, P., & Passerone, G. (2002). Data mining of association structures to model consumer behavior. Computational Statistics & Data Analysis, 38(4), 533-541.

Greco, S., Matarazzo, B., & Slowinski, R. (1998). A new rough set approach to evaluation of bankruptcy risk. Paper presented at The Operational Tools in the Management of Financial Risks, USA.

Greco, S., Matarazzo, B., & Slowinski, R. (2000). Extension of the rough set approach to multicriteria decision support. INFOR: Information Systems and Operational Research, 38(3), 161-195.

Hall, L. O., Ozyurt, I. B., & Bezdek, J. C. (1999). Clustering with a genetically optimized approach. IEEE Transactions on Evolutionary Computation, 3(2), 103-112.

Hansen, P., & Jaumard, B. (1997). Cluster analysis and mathematical programming. Mathematical Programming, 79(1-3), 191-215.

Hansen, P., & Mladenović, N. (1999). An introduction to variable neighborhood search. Paper presented at Meta-heuristics,USA.

Mehdizadeh, E., & Moghaddam, R. T. (2008). Fuzzy particle swarm optimization algorithm for a supplier clustering problem. Journal of Industrial Engineering, 1(1), 17-24.

Mladenović, N., & Hansen, P. (1997). Variable neighborhood search. Computers & Operations Research, 24(11), 1097-1100.

Pappas, T. N. (1992). An adaptive clustering algorithm for image segmentation. IEEE Transactions on Signal Processing, 40(4), 901-914.

Pang, W., Wang, K. P., Zhou, C. G., & Dong, L. J. (2004). Fuzzy discrete particle swarm optimization for solving traveling salesman problem. Paper presented at Computer and Information Technology Conference, USA.

Richter, F. (2016). Identität, Ethnizität und Nationalismus in Kurdistan. Berlin, Germany: LIT Verlag Münster.

Runkler, T. A., & Bezdek, J. C. (2003). Web mining with relational clustering. International Journal of Approximate Reasoning, 32(2-3), 217-236.

Runkler, T. A., & Katz, C. (2006). Fuzzy clustering by particle swarm optimization. Paper presented at Fuzzy Systems, 2006 IEEE International Conference on IEEE, USA.

Salerno, J. (1997). Using the particle swarm optimization technique to train a recurrent neural model. Paper presented at Tools with Artificial Intelligence, The Ninth IEEE International Conference, USA.

Song, H. S., Kyeong, K. J., & Kim, S. H. (2001). Mining the change of customer behavior in an internet shopping mall. Expert Systems with Applications, 21(3), 157-168.

Stefanowski, J. (2009). Data mining-clustering[PowerPoint slides]. Retrieved from http://www.cs.put.poznan.pl/jstefanowski/sed/DM-7clusteringnew.pdf.

Wang, K. P., Huang, L., Zhou, C. G., & Pang, W. (2003). Particle swarm optimization for traveling salesman problem. Paper presented at Machine Learning and Cybernetics, 2003 International Conference onIEEE, USA.

Weijun, X., Zhiming, W., Wei, Z., & Genke, Y. (2004). A new hybrid optimization algorithm for the job-shop scheduling problem. Paper presented at American Control Conference IEEE, USA.

Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.




DOI: http://dx.doi.org/10.37569/DalatUniversity.7.2.242(2017)

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu.


Copyright (c) 2017 Nguyễn Thị Như Na

Creative Commons License
Công trình này được cấp phép theo Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Văn phòng Tạp chí Đại học Đà Lạt
Nhà A25 - Số 1 Phù Đổng Thiên Vương, Đà Lạt, Lâm Đồng
Email: tapchikhoahoc@dlu.edu.vn - Điện thoại: (+84) 263 3 555 131

Creative Commons License
Trên nền tảng Open Journal Systems
Thực hiện bởi Khoa Công nghệ Thông tin