عناصر مشابهة
Effective Customer Churn Prediction (ECCP) Using Parallel Grey Wolf Optimizer
| العنوان بلغة أخرى: | التوقع الفعال لإعراض الزبون عن الخدمة باستخدام محسن الذئب الرمادى الموازى |
|---|---|
| الناشر: |
بيرزيت
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| التاريخ الميلادي: | 2020 |
| الصفحات: | 1 - 91 |
| رقم MD: | 1085430 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | English |
| قواعد المعلومات: | Dissertations |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة بيرزيت |
| الكلية: | كلية الهندسة والتكنولوجيا |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | اكتسبت خوارزميات الأدلة العليا اهتمام العديد من الباحثين في مجالات التحسين المختلفة. اختيار الميزة هي مشكلة تحسين اندماجي حيث تستخدم خوارزميات أدلة عليا مختلفة لمعالجتها، خوارزمية الذئب الرمادي هي خوارزمية حديثة من خوارزميات الأدلة العليا القائمة على أساس تعدد الحلول وتتميز بأداء جيد في معالجة مشاكل التحسين المختلفة، بما في ذلك مشكلة اختيار الميزة. وكغيرها من خوارزميات التحسين الشاملة الأخرى، فإن خوارزمية الذئب الرمادي تعاني من بعض المشاكل التي قد تؤثر على أدائها، ومن الأمثلة على تلك المشاكل: التكدس بجوار الحلول المؤهلة محليا، ومشكلة التنوع في الحلول. قدمت هذه الأطروحة خوارزمية جديدة لمحسن الذئب الرمادي بشكل متوازي بهدف الحفاظ على تنوع معقول من الحلول، بالإضافة إلى مساعدة الخوارزمية على الهروب من الحلول المحلية، تم اقتراح نموذجين متوازيين: الأول متجانس، حيث تم استخدام أربع نسخ من خوارزمية الذئب الرمادي على نفس الحل، بينما في النموذج الثاني الغير المتجانس، تم استخدام أربع نسخ من خوارزمية الذئب الرمادي، حيث تعمل كل خوارزمية على استراتيجية تحديث مختلفة على نفس الحل. تم قياس أداء النماذج المقترحة على مجموعة من بيانات (UIC) المعروفة. لتقييم كفاءة الخوارزميات المقترحة، تم إجراء نهجين تجريبيين. تضمنت التجربة الأولى مقارنة الخوارزميات المقترحة المستقلة والتعاونية مع الخوارزمية المتسلسلة. في هذه التجربة، أظهرت الخوارزمية المتوازية المتجانسة المستقلة من محسن الذئب الرمادي أداء جيدا عند مقارنتها بالنسخة المتسلسلة الأصلية، وتفوقت الخوارزمية الغير المتجانسة المستقلة من محسن الذئب الرمادي على كل من الخوارزمية المتسلسلة والخوارزمية المتجانسة، علاوة على ذلك، تفوقت الخوارزمية التعاونية الغير المتجانسة على جميع الخوارزميات السابقة من حيث الدقة، ومع ذلك، فإنها تعاني من وقت تنفيذ طويل، تضمنت التجربة الثانية مقارنة الخوارزميات المقترحة مع تقنيات تعلم آلي مختارة مثل (CART) بهدف تقييم النهج المقترحة في دقة التنبؤ بإعراض العملاء المحتملين. وفي هذه التجربة تم استخدام بيانات لشركة اتصالات من مستودع بيانات (Kaggle). وأظهرت نتائج هذه التجربة تفوق الخوارزمية التعاونية غير المتجانسة. |
|---|
