Γενετικός Αλγόριθμος Ταξινόμησης Genetic AIRS

Abstract

Στην παρούσα μεταπτυχιακή διατριβή αναπτύσσεται μία υβριδική μέθοδος ταξινόμησης που βασίζεται από την μία πλευρά στις αρχές και τις θεωρίες των Τεχνητών Ανοσοποιητικών Συστημάτων και από την άλλη πλευρά στις αρχές των Γενετικών Αλγορίθμων. Εμπνευσμένος από τον αλγόριθμο ταξινόμησης AIRS (Artificial Immune Resource System), που συγκαταλέγεται στους αποδοτικότερους αλγορίθμους ταξινόμη- σης, καθώς και στις αποδοτικές τεχνικές των Γενετικών Αλγορίθμων υλοποιούμε ένα υβριδικό αλγόριθμο τον Genetic AIRS. Στη συνέχεια διερευνήσαμε την συμπεριφορά του αλγορίθμου αυτού σε σχέση με τον αλγόριθμο AIRS και παραθέτουμε τα πλεονεκτήματα και τα μειονεκτήματα που παρουσιάζει. Η κύρια δια- φοροποίηση των αλγορίθμων αυτών εκτός της διαφορετικής υλοποίησης έγκειται στο γεγονός ότι ο AIRS εκτελείται τοπικά ενώ ο Genetic AIRS σφαιρικά. Η εργασία αυτή χωρίζεται σε δύο μέρη και έχει ως στόχο την θεωρητική υποστήριξη του αλγορίθμου αυτού στο πρώτο μέρος ενώ στο δεύτερο την εφαρμογή του σε διάφορα σύνολα δεδομένων. Πιο συγκεκριμένα η εργασία είναι δομημένη ως εξής: ▶ Κεφάλαιο 1 στο κεφάλαιο αυτό παρουσιάζονται τα βασικά συστατικά της Μηχανικής Μάθησης με έμφαση στη μάθηση με επίβλεψη και στην ταξινόμηση, καθώς και στους βιολογικά εμπνευσμένους υπολογισμούς. ▶ Κεφάλαιο 2 στο κεφάλαιο αυτό παρουσιάζουμε τις αρχές και θεωρίες των γενετικών αλγορίθμων. ▶ Κεφάλαιο 3 στο κεφάλαιο αυτό παρουσιάζουμε τα Τεχνητά Ανοσοποιητικά Συστήματα. ▶ Κεφάλαιο 4 στο κεφάλαιο αυτό παρουσιάζουμε τον Αλγόριθμο AIRS. ▶ Κεφάλαιο 5 στο κεφάλαιο αυτό παρουσιάζουμε αλγόριθμο που προτείνουμε τον Genetic AIRS. ▶ Κεφάλαιο 6 στο κεφάλαιο αυτό παρουσιάζουμε τα πειραματικά αποτελέσματα ▶ Κεφάλαιο 7 στο κεφάλαιο αυτό βρίσκεται ο επίλογος.