Ανάπτυξη και εφαρμογή αλγορίθμων τεχνητών μελισσών σε προβλήματα τμηματοποίησης καταναλωτικής αγοράς

Abstract

Στην παρούσα εργασία θα αναπτυχθούν τρεις διαφορετικοί αλγόριθμοι οι οποίοι βασίζονται στη συμπεριφορά των μελισσών στη φύση και οι οποίοι χωρίζονται σε δύο κύριες κατηγορίες. Στην μίμηση της συμπεριφοράς αναζήτησης τροφής (foraging behaviour) και στην μίμηση της συμπεριφοράς ζευγαρώματος (mating behavior). Αφού γίνει η απαραίτητη προσαρμογή των αλγορίθμων και η βελτιστοποίηση των παραμέτρων τους, θα εφαρμοστούν σε προβλήματα τμηματοποίησης καταναλωτικής αγοράς τα οποία ανήκουν στην κατηγορία των ΝP-hard προβλημάτων clustering. Θα πραγματοποιηθούν προσομοιώσεις σε τεχνητά και πραγματικά δεδομένα και θα εξεταστεί η πρακτική εφαρμογή τους. Ως μέτρα απόδοσης των αλγορίθμων θα χρησιμοποιηθούν αφενός η ποιότητα της λύσης (δηλαδή το κατά πόσο βελτιστοποιεί την αντικειμενική συνάρτηση) και αφετέρου ο χρόνος επίλυσης του προβλήματος και το υπολογιστικό φορτίο.

In this thesis three different optimization algorithms will be developed, which are mainly inspired by the behavior of bees in the nature and can be divided into two categories. The first one contains algorithms that are based on the foraging behavior of bees, while the second one contains algorithms that are based on the mating behavior of bees. Once the necessary adjustments are made and the parameters of the algorithms are correctly tuned, the algorithms will be tested on market segmentation problems, which belong to the NP-hard clustering problems. Simulations will be executed on artificial and real data in order to examine the practicality of the algorithms. As performance indexes we will use the value of the optimal solution as well as the time and computational cost.