نموذج هجين جديد لمُحسِّن فوضوي ذاتي الإرشاد لاختيار السمات

الملخص

كثرت في الآونة الأخيرة الجهود لبناء نموذج مثالي لاختيار السمات في تطبيقات البيانات الضخمة باستخدام مناهج متعددة، ومن أهمها المناهج المعتمدة على الخوارزميات ذاتية

الإرشاد (Metaheuristics)، وذلك من أجل حل مشكلة التعقيد العالي التي تواجه الخوارزميات المطبقة على مجموعات البيانات الضخمة.

حققت الخوارزميات ذاتية الإرشاد (Metaheuristics) تقدماً كبيراً في العديد من المجالات المتعلقة بالتحسين (الاستمثال) أي الحصول على القيم المثلى من النتائج (العظمى – الدنيا)، إذ يمكنها توليد حلول جيدة في فترات زمنية معقولة، إلا أنها من ناحية أخرى تعاني من العديد من العيوب كالوقوع في مصيدة الحل الأمثل المحلي (التعليق عند النهايات المحلية)، والافتقار إلى تنوع البحث (إشغال قطاعات فضاء البحث بالكامل من قبل وكلاء البحث بالشكل الأمثل)، وعدم التوازن بين الأداء الاستغلالي (Exploiting) والاستكشافي (Exploration).

تقترح هذه الورقة البحثية نموذج ثنائي هجين لاختيار السمات يدعى Chaotic Salp Swarm Algorithm Whale Optimization Algorithm (CSSAWOA)، لحل مسائل التحسين متعددة الأهداف، حيث تتمثل الفكرة الأساسية لـ CSSAWOA في تحسين خوارزمية تحسين أسراب السالب (Salp Swarm Algorithm) من خلال تهجينها مع خوارزمية تحسين الحيتان الحدباء (Whale Optimization Algorithm)، بغية مشاركة نقاط القوة فيما بينهما.

 تمت مقارنة النتائج التي تم الحصول عليها من تطبيق النموذج المقترح، مع ما تم التوصل إليه من نتائج إثر تطبيق بعض الخوارزميات ذاتية الإرشاد الشهيرة والأصلية وهي: خوارزمية تحسين سرب الجسيمات (PSO)، والذئب الرمادي (GWO)، وأسراب السالب (SSA)، والحيتان الحدباء (WOA)، وذلك باستخدام /15/ مجموعة بيانات متنوعة من حيث الحجم ضخمة ومتوسطة وصغيرة، وذلك وفق المعايير التالية: الحصول على أقل عدد من السمات ذات الصلة - زيادة دقة التصنيف - تقليل زمن المعالجة والحساب.