۰
(۰)

تحلیل پوششی داده ها یکی از روش های تصمیم گیری چند-معیاره است که در سال های گذشته کاربردهای پژوهشی زیادی داشته است. اگر می خواهید از تحلیل پوششی داده ها در الگوریتم ژنتیک استفاده کنید باید ابتدا قیدها و ملزومات مربوط به روش تحلیل پوششی داده و در عین حال روش به کارگیری الگوریتم ژنتیک و ماهیت پژوهش های مربوط به این مباحث را به خوبی بشناسید.

بیشتر بخوانید: تحلیل پوششی داده ها در زنجیره تأمین

الگوریتم ژنتیک یکی از پرکاربردترین و مشهورترین الگوریتم های موجود در دنیا می باشد و هر روزه مقالاتی را در این زمینه مشاهده می کنیم که از این الگوریتم در زمینه های مختلف استفاده کرده اند. در این مقاله، ابتدا تعریف مختصری از الگوریتم ژنتیک و ماهیت آن ارائه می کنیم و سپس به بررسی کاربرد تحلیل پوششی داده ها در الگوریتم ژنتیک خواهیم پرداخت.

الگوریتم ژنتیک چیست؟

الگوریتم ژنتیک (Genetic Algorithm) نوعی از الگوریتم های تکاملی بوده که بر پایه سازوکارهای تکامل و طبیعت ژن ها استوار است. این الگوریتم با جمعیتی موسوم به کروموزوم (همان جواب های کدگذاری شده مسئله) کار می کند که هر کروموزوم نیز متشکل از واحدهای کوچک تری به نام ژن ساخته شده است. برای آشنایی بیشتر با الگوریتم ژنتیک به کتب مرجع در این زمینه مراجعه کنید.

کاربرد تحلیل پوششی داده ها در الگوریتم ژنتیک

همانطور که می دانید الگوریتم ژنتیک قدرت بسیار بالایی در پیدا کردن جواب های مسائل مختلف دارد. اما چرا تحلیل پوششی داده ها را وارد مسئله کنیم؟ زمانی که ورودی، خروجی، واحد تصمیم گیری و داده ها را در اختیار داریم، بدون شک با یک مسئله بهینه سازی برای به دست آوردن بهترین واحد تصمیم گیری مواجه هستیم. حال یک پیشنهاد خوب برای حل این مسئله، استفاده از رویکرد تحلیل پوششی داده هاست که بهترین و بهینه ترین واحد تصمیم گیری را برای الگوریتم ژنتیک به دست می آورد.

ملزومات تحلیل پوششی داده ها و الگوریتم ژنتیک

طبیعتاً استفاده از الگوریتم ژنتیک نیازمند رعایت برخی قیدها و ملزومات اولیه می باشد. به همین ترتیب نیز از آنجایی که تحلیل پوششی داده ها خود نوعی مسئله بهینه سازی است، باید برای شدنی بودن مسئله و رسیدن به جواب های مناسب، قیدهای مربوط به ورودی، خروجی و … را در آن رعایت کنیم بنابراین اصلی ترین چالش استفاده از تحلیل پوششی داده ها در الگوریتم ژنتیک برقرار کردن قیدها در مسئله است.

در هنگام استفاده از الگوریتم ژنتیک، ابتدا از تکنیکی به نام تحلیل پوششی داده ها برای انتخاب بهینه ترین جواب استفاده می کنیم. اما چالش اصلی ما در استفاده از این رویکرد این است که باید با دقت کامل قیدهای مربوط به تعداد ورودی، تعداد خروجی و تعداد واحد تصمیم گیری را رعایت کنیم تا شدنی بودن مسئله با مشکل مواجه نشود زیرا تحلیل پوششی داده ها با استفاده از روش برنامه ریزی خطی حل می شود.

بیشتر بخوانید: انواع روش های تحلیل داده

میانگین امتیاز ۰ / ۵. تعداد امتیازها: ۰

اولین نفری باشید که به این مطلب امتیاز می‌دهید