Ứng dụng thuật toán tối ưu tiến hóa lai trong phân tích nhu cầu khách hàng (Tóm tắt trích đoạn)

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN VĂN NGÀ ỨNG DỤNG THUẬT TOÁN TỐI ƢU TIẾN HÓA LAI TRONG PHÂN TÍCH NHU CẦU KHÁCH HÀNG LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN HÀ NỘI - 2016 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN VĂN NGÀ ỨNG DỤNG THUẬT TOÁN TỐI ƢU TIẾN HÓA LAI TRONG PHÂN TÍCH NHU CẦU KHÁCH HÀNG LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Ngành: Công nghệ thông tin Chuyên ngành: Truyền liệu mạng máy tính Mã số: Chuyên ngành thí điểm NGƢỜI HƢỚNG DẪN KHOA HỌC: TS Lê Hoàng Sơn HÀ NỘI - 2016 MỤC LỤC MỤC LỤC DANH SÁCH CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC HÌNH VẼ Error! Bookmark not defined LỜI CAM ĐOAN Error! Bookmark not defined LỜI CẢM ƠN MỞ ĐẦU CHƢƠNG I TỔNG QUAN TỐI ƢU TIẾN HÓA VÀ BÀI TOÁN PHÂN CỤM MỜ 1.1Tối ƣu tiến hóa 1.1.1 Thuật toán lập trình tiến hóa 1.1.2 Chiến lƣợc tiến hóa Error! Bookmark not defined 1.1.3 Thuật toán di truyền Error! Bookmark not defined 1.1.4 Lập trình di truyền Error! Bookmark not defined 1.1.5 Tiến hóa vi phân Error! Bookmark not defined 1.1.6 Thuật toán văn hóa Error! Bookmark not defined 1.2 Bài toán phân cụm mờ Error! Bookmark not defined 1.2.1 Khái quát phân cụm Error! Bookmark not defined 1.2.2 Độ đo Error! Bookmark not defined 1.2.3 Các thuật toán phân cụm tiêu biểu Error! Bookmark not defined 1.2.4 Thuật toán phân cụm mờ Error! Bookmark not defined 1.3 Kết luận chƣơng Error! Bookmark not defined CHƢƠNG THIẾT KẾ THUẬT TOÁN TỐI ƢU TIẾN HÓA LAI CHO PHÂN CỤM MỜ Error! Bookmark not defined 2.1 Thuật toán Black Hole Error! Bookmark not defined 2.1.1 Khái quát Error! Bookmark not defined 2.1.2 Mô tả thuật toán Error! Bookmark not defined 2.1.3 Cài đặt thuật toán Error! Bookmark not defined 2.1.4 Ƣu điểm Error! Bookmark not defined 2.2 Thuật toán Harmony Search Error! Bookmark not defined 2.2.1 Khái quát Error! Bookmark not defined 2.2.2 Mô tả thuật toán Error! Bookmark not defined 2.2.3 Cài đặt thuật toán Error! Bookmark not defined 2.2.4 Nhƣợc điểm Error! Bookmark not defined 2.3 Thuật toán tối ƣu tiến hóa lai BHHS Error! Bookmark not defined 2.3.1 Ý tƣởng Error! Bookmark not defined 2.3.2 Mô tả thuật toán Error! Bookmark not defined 2.3.3 Cài đặt thuật toán Error! Bookmark not defined 2.4 Đánh giá ƣu, nhƣợc điểm thuật toán lai ghép BHHSError! Bookmark not def 2.4.1 Ƣu điểm Error! Bookmark not defined 2.4.2 Nhƣợc điểm Error! Bookmark not defined 2.5 Kết luận chƣơng Error! Bookmark not defined CHƢƠNG XÂY DỰNG ỨNG DỤNG PHÂN TÍCH NHU CẦU KHÁCH HÀNG Error! Bookmark not defined 3.1 Mô tả yêu cầu Error! Bookmark not defined 3.2 Dữ liệu thực nghiệm Error! Bookmark not defined 3.3 Thiết kế hệ thống Error! Bookmark not defined 3.4 Cài đặt thuật toán BHHS Error! Bookmark not defined 3.5 Kết thực nghiệm thuật toán demo chƣơng trìnhError! Bookmark not defin 3.6 Kết luận chƣơng Error! Bookmark not defined KẾT LUẬN Error! Bookmark not defined HƢỚNG PHÁT TRIỂN Error! Bookmark not defined PHỤ LỤC Error! Bookmark not defined TÀI LIỆU THAM KHẢO 10 LỜI CẢM ƠN Em xin bày tỏ lòng biết ơn chân thành sâu sắc đến Tiến sĩ Lê Hoàng Sơn, Trung tâm Tính toán Hiệu cao - Trƣờng Đại học Khoa học tự nhiên, thầy dành nhiều thời gian tận tình bảo, hƣớng dẫn em suốt trình tìm hiểu, triển khai nghiên cứu đề tài Thầy ngƣời định hƣớng đƣa nhiều góp ý quý báu trình em thực luận văn Em xin chân thành cảm ơn chân thành tới toàn thể thầy cô giáo khoa Công nghệ thông tin, Trƣờng Đại học Công nghệ Hà Nội, Đại học Quốc gia Hà Nội dạy bảo tận tình, trang bị cho em kiến thức quý báu, bổ ích tạo điều kiện thuận lợi suốt trình em học tập nghiên cứu trƣờng Em xin đƣợc gửi lời cảm ơn tới thầy cô, anh chị bạn Trung tâm Tính toán Hiệu cao - Trƣờng Đại học Khoa học tự nhiên giúp đỡ em suốt thời gian làm luận văn Em xin chân thành cảm ơn tới gia đình, bạn bè, đồng nghiệp bên em cổ vũ, động viên, giúp đỡ em suốt trình học tập thực luận văn Do có nhiều hạn chế thời gian kiến thức nên luận văn không tránh khỏi thiếu sót, mong nhận đƣợc ý kiến đóng góp quý báu quý thầy cô bạn quan tâm Luận văn đƣợc thực dƣới tài trợ đề tài nghiên cứu mã số: 102.05-2014.01 Quỹ phát triển khoa học công nghệ quốc gia (NAFOSTED) Cuối em xin gửi lời chúc sức khỏe thành đạt tới tất quý thầy cô, quý đồng nghiệp toàn thể gia đình bạn bè Xin chân thành cảm ơn! MỞ ĐẦU Đặt vấn đề Ngày nay, công nghệ thông tin có nhiều chuyển biến mạnh mẽ, số lƣợng chất lƣợng hai lĩnh vực phần cứng phần mềm, điều tác động lớn đến phát triển xã hội Sự bùng nổ thông tin đem đến lƣợng liệu khổng lồ cho nhân loại, đòi hỏi ngƣời phải biết khai thác liệu xử lý thông tin phục vụ cho mục đích Một kỹ thuật quan trọng trình khai phá liệu xử lý liệu lớn kỹ thuật phân cụm liệu Phân cụm đặc biệt hiệu ta thông tin cụm, ta quan tâm tới thuộc tính cụm mà chƣa biết biết thông tin Phân cụm đƣợc coi nhƣ công cụ độc lập để xem xét phân bố liệu, làm bƣớc tiền xử lý cho thuật toán khác Việc phân cụm liệu có nhiều ứng dụng nhƣ lập quy hoạch đô thị, nghiên cứu trái đất, địa lý, khai phá Web v.v Trong kinh doanh, yếu tố khách hàng định đến thành bại doanh nghiệp Khi thông tin trở thành yếu tố định kinh doanh vấn đề tìm thông tin hữu ích sở liệu khổng lồ ngày trở thành mục tiêu quan trọng doanh nghiệp Khai phá liệu hƣớng nghiên cứu phổ biến việc tổ chức kho liệu kho thông tin Đã có nhiều nghiên cứu nƣớc quan tâm tới việc hình thành luật từ liệu không đƣợc thực phƣơng pháp khai phá liệu nói chung mà đƣợc xây dựng lý thuyết cụm mờ Phân cụm mờ công cụ hữu hiệu toán khai phá liệu, phân tích khách hàng Thuật toán phân cụm mờ phƣơng pháp thƣờng đƣợc sử dụng nhận dạng mẫu cho kết mô hình tốt nhiều trƣờng hợp Tuy nhiên, điểm yếu phân cụm mờ nghiệm tối ƣu cực trị địa phƣơng Do vậy, xu hƣớng sử dụng thuật toán tối thiểu tối ƣu tiến hóa cho phân cụm mờ để tìm nghiệm tối ƣu toàn cục, nâng cao chất lƣợng phân cụm Tối ƣu hóa, đƣợc khởi nguồn nhƣ ngành Toán học, có nhiều ứng dụng rộng rãi quy hoạch tài nguyên, thiết kế chế tạo máy, điều khiển tự động, quản trị kinh doanh, kiến trúc đô thị, công nghệ thông tin, việc tạo nên hệ hỗ trợ định quản lý phát triển hệ thống lớn Chính vậy, lĩnh vực tối ƣu hóa ngày trở nên đa dạng Trong thực tế, việc tìm giải pháp tối ƣu cho vấn đề chiếm vai trò quan trọng Phƣơng án tối ƣu phƣơng án hợp lý nhất, tốt nhất, tiết kiệm chi phí, tài nguyên, nguồn lực mà lại đem lại hiệu Có nhiều thuật toán đƣợc sử dụng để tối ƣu hóa Một bƣớc phát triển lĩnh vực đặc biệt phải kể đến thuật toán tối ƣu tiến hóa Mục đích luận văn Luận văn trình bày phƣơng pháp tối ƣu cho phân cụm mờ, cụ thể thuật toán lai ghép Black Hole Harmony Search Thuật toán đƣợc áp dụng cho toán phân tích nhu cầu khách hàng – mục tiêu quan trọng doanh nghiệp việc xác định khách hàng tiềm năng, nhu cầu nhóm khách hàng, mức độ hài lòng sản phẩm dịch vụ Từ hỗ trợ doanh nghiệp đƣa định chiến lƣợc kinh doanh tƣơng lai dựa vào kết trình phân tích khách hàng tiềm năng, nhu cầu nhóm khách hàng mức độ hài lòng sản phẩm dịch vụ doanh nghiệp Một sở liệu mẫu thống kê doanh số bán hàng công ty kinh doanh thiết bị y tế cho khoảng 500 bệnh viện [6] đƣợc sử dụng để làm đầu vào cho hệ thống phân tích nhu cầu khách hàng có cài đặt thuật toán Qua đây, tính hiệu thuật toán tối ƣu tiến hóa cho toán phân cụm mờ theo tiêu chí chất lƣợng thời gian tính toán đƣợc làm rõ đồng thời phác họa chi tiết chức toán phân tích nhu cầu khách hàng Bố cục luận văn Luận văn gồm chƣơng, có phần mở đầu, phần kết luận, phần mục lục, phần tài liệu tham khảo Các nội dung luận văn đƣợc trình bày theo cấu trúc nhƣ sau: Chƣơng Tổng quan tối ƣu tiến hóa toán phân cụm mờ Trong chƣơng này, luận văn trình bày tổng quan tối ƣu tiến hóa, thuật toán lập trình tiến hóa (EP), chiến lƣợc tiến hóa, thuật toán di truyền với thuật giải GA, lập trình di truyền, tiến hóa vi phân với thuật toán DE thuật toán văn hóa Từ thuật toán tối ƣu tiến hóa, luận văn trình bày trình bày khái niệm tập mờ, phân cụm mờ, thuật toán phân cụm mờ thuật toán kinh điển FCM Từ sở kế thừa, dẫn chứng, phân tích hai thuật toán Black Hole Hamorny Search để thiết kế thuật toán lai khác tối ƣu cho phân cụm mờ Chƣơng Thiết kế thuật toán tối ƣu tiến hóa lai cho phân cụm mờ Trong chƣơng này, tác giả giới thiệu hai thuật toán tối ƣu tìm kiếm thuật toán Back Hole (BH) John Wheeler, để mô tả tƣợng khối sụp đổ với ý tƣởng lực hút tƣơng tác vũ trụ vật thể Hamorny Search (HS) với ý tƣởng tối ƣu thuật giải nhƣ ngƣời nhạc công chơi nhạc tuyệt vời Từ kết hợp thuật toán lại thành thuật toán khác để tối ƣu tiến hóa không gian tìm kiếm thuật toán lai ghép BHHS Các nhận xét, đánh giá ƣu, nhƣợc điểm thuật toán đƣợc nhắc đến chƣơng Chƣơng Xây dựng ứng dụng phân tích nhu cầu khách hàng Trong chƣơng này, tác giả cài đặt thuật toán lai ghép BHHS xây dựng phần mềm phân tích nhu cầu khách hàng để giúp công ty sản xuất kinh doanh có định sản xuất, lựa chọn sản phẩm tốt phù hợp với sách đơn vị CHƢƠNG I TỔNG QUAN TỐI ƢU TIẾN HÓA VÀ BÀI TOÁN PHÂN CỤM MỜ 1.1 Tối ƣu tiến hóa Tối ƣu hóa đƣợc khởi nguồn nhƣ ngành Toán học, có nhiều ứng dụng rộng rãi quy hoạch tài nguyên, thiết kế chế tạo máy, điều khiển tự động, quản trị kinh doanh, kiến trúc đô thị, công nghệ thông tin, việc tạo nên hệ hỗ trợ định quản lý phát triển hệ thống lớn Chính vậy, lĩnh vực tối ƣu hóa ngày trở nên đa dạng Trong thực tế, việc tìm giải pháp tối ƣu cho vấn đề chiếm vai trò quan trọng Phƣơng án tối ƣu phƣơng án hợp lý nhất, tốt nhất, tiết kiệm chi phí, tài nguyên, nguồn lực mà lại đem lại hiệu Có nhiều thuật toán đƣợc sử dụng để tối ƣu hóa Một bƣớc phát triển lĩnh vực đặc biệt phải kể đến thuật toán tối ƣu tiến hóa [1] Từ trái đất đƣợc hình thành, sống trái đất trải qua hàng triệu triệu năm tiếp tục tiến hóa phát triển để thích nghi với điều kiện, môi trƣờng sống Chúng phát triển, thay đổi liên tục để sinh tồn Những cá thể yếu không thích nghi đƣợc bị chết không phát triển, cá thể thích nghi với môi trƣờng sống phát triển mạnh mẽ để tiếp tục sinh tồn, trì phát triển giống nòi [2] Trong sinh học, tiến hóa trình mà qua sinh vật nhận đƣợc truyền lại đặc tính từ hệ sang hệ khác (lai tạo) Việc diễn thời gian dài giải thích nguồn gốc loài đa dạng sinh vật Các loài liên quan đến gốc, sản phẩm tiến hóa hình thành loài qua hàng tỉ năm Và từ quy luật sống loài trên, ngƣời ta có ý tƣởng tính toán tiến hóa (EC) Tính toán tiến hóa mô trình chọn lọc tự nhiên trình (thủ tục) tìm kiếm Trong tự nhiên, sinh vật có đặc trƣng định tác động đến sống sinh sản chúng Những đặc trƣng đƣợc mã hóa thành thông tin nhiễm sắc thể Nhiễm sắc thể mới, đƣợc tạo cách ghép đôi sinh sản Kết cuối có đƣợc nhiễm sắc thể có chứa đặc tính tốt từ nhiễm sắc thể bố mẹ cho phép chúng sống sót môi trƣờng không thuận lợi Với trình chọn lọc tự nhiên chắn cá thể tốt có hội đƣợc kết hợp với nhau, cho tƣơng ứng tốt Trong tự nhiên tiến hóa trình không điều khiển, sinh vật tốt thích nghi nhiều với môi trƣờng, sinh vật sống sót sinh sản, phát triển… Đó trình chọn lọc tiến hóa tự nhiên Các phép sử dụng EC bao gồm: Phép lai ghép, phép đột biến phép chọn lọc Các phép kết hợp với mô hình tiến hóa Tính toán tiến hóa kỹ thuật tính toán dựa nguyên lý tiến hóa trình chọn lọc tự nhiên thuyết tiến hóa Darwin Các kỹ thuật tiến hóa bao gồm: Chiến lƣợc tiến hóa, lập trình tiến hóa, thuật giải di truyền lập trình di truyền Định nghĩa tính toán tiến hóa: Thuật toán mô [4] hàm f : V  R , V không gian tìm kiếm, f đƣợc gọi hàm thích nghi chứa đựng thông tin đặc trƣng cho toán Mỗi vòng lặp tính toán tiến hóa định nghĩa công thức: vi 1    vi , f  vi   (1.1) Trong đó:  :V  R  V hàm tạo vector mới, nghĩa quần thể vi 1 từ quần thể cũ vi ,  thƣờng đƣợc xác định dạng tính toán sử dụng, cách chọn quần thể từ quần thể cũ sinh Tính toán tiến hóa nhƣ khái niệm chung cho giải toán, đặc biệt toán tối ƣu hóa áp dụng thuật toán tiến hóa giải đƣợc toán tối ƣu khó Ngày thuật toán thu hút nhiều nhà nghiên cứu tham gia nghiên cứu Các khái niệm liên quan: - Biểu diễn cá thể: Mỗi cá thể biểu diễn thuật giải di truyền tƣơng ứng với giải pháp toán - Đánh giá độ thích nghi: Độ thích nghi khả phù hợp cá thể hay giải pháp môi trƣờng, môi trƣờng tƣơng ứng với bai toán cần giải Xây dựng độ thích nghi bƣớc quan trọng thuật toán di truyền Để đánh giá đƣợc độ thích nghi cá thể giải thuật di truyền sử dụng hàm đo dộ thích nghi - Lai ghép: Là trình tạo cá thể dựa nhiều cá thể có, gọi cá thể cha - mẹ Hai cá thể đƣợc - Đột biến: Là trình tạo cá thể từ cá thể ban đầu cách thay đổi số gen - Chọn lọc thay thế: Chọn lọc thay trình chọn cá thể từ quần thể để tạo hệ sau Trong trình diễn đào thải cá thể yếu, giữ lại cá thể tốt Những cá thể có độ thích nghi lớn với độ thích nghi tiêu chuẩn đƣợc giữ lại độ thích nghi cá cá thể quần thể tốt sau nhiều hệ - Điều kiện dừng: Thuật toán di truyền trình ngẫu nhiên, nên đảm bảo chắn thuật toán dừng sau hữu hạn bƣớc Vì vậy, để đảm bảo thuật toán di truyền kết thúc, ngƣời dùng thƣờng phải định nghĩa điều kiện dừng cho thuật toán di truyền 1.1.1 Thuật toán lập trình tiến hóa (EP) TÀI LIỆU THAM KHẢO [1] https://vi.wikipedia.org/wiki [2] Siddique, N., & Adeli, H (2013) Computational intelligence: synergies of fuzzy logic, neural networks and evolutionary computing John Wiley & Sons [3] Pedrycz, W., Rai, P (2008), Collaborative clustering with the use of Fuzzy C-Means and its quantification, Fuzzy Sets and Systems, 159(18), 23992427 [4] Angeline, P J (1995) Adaptive and self-adaptive evolutionary computations In Computational intelligence: a dynamic systems perspective [5] Davis, L D., De Jong, K., Vose, M D., & Whitley, L D (Eds.) (2012) Evolutionary algorithms (Vol 111) Springer Science & Business Media [6] http://www.rci.rutgers.edu/~cabrera/sc/cs8/cs8.html [7] Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces [8] https://en.wikipedia.org/wiki/Genetic_algorithm [9] Al-Sultan, K S., & Selim, S Z (1993) A global algorithm for the fuzzy clustering problem Pattern Recognition, 26(9), 1357-1361 [10] Bezdek, J C., et al (1984) FCM: the fuzzy c-means clustering algorithm Computers & Geosciences, 10, 191-203 [11] Ming-Yang Su, Kun-Lin Chiang, Wei-Cheng Liao “ Mitigation of Black-Hole Nodes in Mobile Ad Hoc Networks” in International Symposium on Parallel and Distributed Processing with Applications 2010 IEEE [12] X.-S Yang, “Harmony Search as a Metaheuristic Algorithm”, in: Music-Inspired Harmony Search Algorithm: Theory and Applications (Editor Z W Geem), Studies in Computational Intelligence, Springer Berlin, vol 191, pp 1-14 (2009) [14] http://m.infoentrepreneurs.org/en/guides/segment-your-customers/ 10 [15] Attea, B A A (2010) A fuzzy multi-objective particle swarm optimization for effective data clustering Memetic Computing, 2(4), 305-312 [16] Belacel, N., Hansen, P., & Mladenovic, N (2002) Fuzzy J-means: a new heuristic for fuzzy clustering Pattern Recognition, 35(10), 2193-2200 [17] Benati, S (2008) Categorical data fuzzy clustering: an analysis of local search heuristics Computers & Operations Research, 35(3), 766-775 [18] Cuong, B.C., Son, L.H., Chau, H.T.M (2010) Some Context Fuzzy Clustering Methods for Classification Problems Proceedings of the 2010 [19] Hansen, P., & Mladenović, N (2001) Variable neighborhood search: Principles and applications European journal of operational research, 130(3), 449-467 [20] Dunn, J C (1973) A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters Journal of Cybernetics, 3(3), 3257 [21] Geem, Z W (2009) Music-inspired harmony search algorithm: theory and applications Springer Science & Business Media [22] Geem, Z W., Kim, J H., & Loganathan, G.V (2001) A new heuristic optimization algorithm: harmony search Simulation, 76(2), 60-68 [23] Gholami, A A., Ayanzadeh, R., & Raisi, E (2014) Fuzzy Honey Bees Foraging Optimization: Swarm Intelligence Approach for Clustering Journal of Artificial Intelligence, 7(1) [24] Hall, L O., Ozyurt, I B., & Bezdek, J C (1999) Clustering with a genetically optimized approach IEEE Transactions on Evolutionary Computation, 3(2), 103-112 [25] Hatamlou, A (2013) Black hole: A new heuristic optimization approach for data clustering Information Sciences, 222, 175-184 [26] Izakian, H., & Abraham, A (2011) Fuzzy C-means and fuzzy swarm for fuzzy clustering problem Expert Systems with Applications, 38(3), 18351838 11 [27] Izakian, H., Abraham, A., & Snasel, V (2009) Fuzzy clustering using hybrid fuzzy c-means and fuzzy particle swarm optimization IEEE World Congress on Nature & Biologically Inspired Computing, 1690-1694 [28] Khan, K., Sahai, A., & Campus, A (2012) A fuzzy c-means bi-sonarbased metaheuristic optomization algorithm IJIMAI, 1(7), 26-32 [29] Le, T., Altman, T., & Gardiner, K J (2012) A fuzzy clustering method using Genetic Algorithm and Fuzzy Subtractive Clustering Intl'Conf on Information and Knowledge Engineering, 426-432 [30] Li, C., Zhou, J., Kou, P., & Xiao, J (2012) A novel chaotic particle swarm optimization based fuzzy clustering algorithm Neurocomputing, 83, 98109 [31] Liu, W., & Jiang, L (2010) A clustering algorithm FCM-ACO for supplier base management In: Advanced Data Mining and Applications, Springer Berlin Heidelberg, pp 106-113 [32] Liu, Y., Yi, Z., Wu, H., Ye, M., & Chen, K (2008) A tabu search approach for the minimum sum-of-squares clustering problem Information Sciences, 178(12), 2680-2704 [33] Omran, M G., Salman, A., & Engelbrecht, A P (2006) Dynamic clustering using particle swarm optimization with application in image segmentation Pattern Analysis and Applications, 8(4), 332-344 [34] Ozturk, C., Hancer, E., & Karaboga, D (2014) Improved clustering criterion for image clustering with artificial bee colony algorithm Pattern Analysis and Applications, 1-13 [35] Pang, L., Xiao, K., Liang, A., & Guan, H (2012) A improved clustering analysis method based on fuzzy c-means algorithm by adding PSO algorithm In: Hybrid Artificial Intelligent Systems, Springer Berlin Heidelberg, pp 231-242 [36] Pang, W., Wang, K P., Zhou, C G., & Dong, L J (2004) Fuzzy discrete particle swarm optimization for solving traveling salesman problem 4th 12 IEEE International Conference on Computer and Information Technology, 796800 [37] Parvin, H., & Minaei-Bidgoli, B (2015) A clustering ensemble framework based on selection of fuzzy weighted clusters in a locally adaptive clustering algorithm Pattern Analysis and Applications, 18(1), 87-112 [39] Son, L H., Cuong, B C., Lanzi, P L., Thong, N T (2012) A novel intuitionistic fuzzy clustering method for geo-demographic analysis Expert Systems with Applications, 39(10), 9848 – 9859 [40] Davis, L D., De Jong, K., Vose, M D., & Whitley, L D (Eds.) (2012) Evolutionary algorithms (Vol 111) Springer Science & Business Media [41] Son, L H., Cuong, B C., Long, H V (2013) Spatial interaction – modification model and applications to geo-demographic analysis KnowledgeBased Systems, 49, 152-170 [42] Son, L H., Lanzi, P L., Cuong, B C., Hung, H A (2012) Data Mining in GIS: A Novel Context-Based Fuzzy Geographically Weighted Clustering Algorithm International Journal of Machine Learning and Computing, 2(3), 235 – 238 [43] Son, L.H (2014) Enhancing Clustering Quality of Geo-Demographic Analysis Using Context Fuzzy Clustering Type-2 and Particle Swarm Optimization Applied Soft Computing, 22, 566 – 584 [44] Son, L.H (2014) HU-FCF: A Hybrid User-Based Fuzzy Collaborative Filtering Method in Recommender Systems Expert Systems With Applications, 41(15), 6861– 6870 [45] Son, L.H (2014) Optimizing Municipal Solid Waste Collection Using Chaotic Particle Swarm Optimization in GIS Based Environments: A Case Study at Danang City, Vietnam Expert Systems With Applications, 41(18), 8062 – 8074 [46] Son, L.H (2015) A Novel Kernel Fuzzy Clustering Algorithm for Geo-Demographic Analysis Information Sciences, 317, 202–223 13 [47] Son, L.H (2015) Dealing with the New User Cold-Start Problem in Recommender Systems: A Comparative Review Information Systems Doi: 10.1016/j.is.2014.10.001 [48] Son, L.H (2015) DPFCM: A Novel Distributed Picture Fuzzy Clustering Method on Picture Fuzzy Sets Expert Systems With Applications, 42(1), 51-66 [49] Son, L.H (2015) HU-FCF++: A Novel Hybrid Method for the New User Cold-Start Problem in Recommender Systems Engineering Applications of Artificial Intelligence, 41, 207-222 [50] Son, L.H., Linh, N.D., Long, H.V (2014) A Lossless DEM Compression for Fast Retrieval Method Using Fuzzy Clustering and MANFIS Neural Network Engineering Applications of Artificial Intelligence, 29, 33–42 [51] Son, L.H., Thong, N.T (2015) Intuitionistic Fuzzy Recommender Systems: An ƣ]Effective Tool for Medical Diagnosis Knowledge-Based Systems, 74, 133–150 [52] Thong, N.T., Son, L.H (2015) HIFCF: An Effective Hybrid Model between Picture Fuzzy Clustering and Intuitionistic Fuzzy Recommender Systems for Medical Diagnosis Expert Systems With Applications, 42(7), 3682– 3701 [53] Thong, P.H., Son, L.H (2014) A new approach to multi-variables fuzzy forecasting using picture fuzzy clustering and picture fuzzy rules interpolation method Proceeding of 6th International Conference on Knowledge and Systems Engineering, 679-690 [54] Thong, P.H., Son, L.H (2015) Picture Fuzzy Clustering: A New Computational Intelligence Method Soft Computing Doi: 10.1007/s00500-0151712-7 [55] Wang, J., Chung, F L., Wang, S., & Deng, Z (2014) Double indicesinduced FCM clustering and its integration with clustering Pattern Analysis and Applications, 17(3), 549-566 14 fuzzy subspace [56] Antariksha Bhaduri “A Clonal Selection Based Shuffled Frog Leaping Algorithm” IEEE International Advance Computing Conference (IACC), Patiala, India 2009 [57] SN Sivanandam, SN Deepa “Introduction to Genetic Algorithms” Springer- Verlag, Berlin, Heidelberg 2008 [58] H Omranpour, et al “Dynamic Particle Swarm Optimization for Multimodal Function” International Journal of Artificial Intelligence (IJ-AI), ISSN: 2252-8938 2012; 1(1) [59] Zhicheng Dong, Wei Xiao & Xiping Zhang “Artificial Fish Swarm Algorithm-Assisted and Receive-Diversity Aided Multi-user Detection for MCCDMA Systems” Jurnal Computer and Information Science 2009 [60] Huadong Chen, Shuzong Wang, Jingxi Li, Yunfan Li “A Hybrid of Artificial Fish Swarm Algorithm and Particle Swarm Optimization for Feedforward Neural Network Training” IEEE 2009 [61] L Kaper, E Heuvel, P Woudt, R Giacconi “Black hole research past and future” in: Black Holes in Binaries and Galactic Nuclei: Diagnostics, Demography and Formation, Springer, Berlin/Heidelberg, 2001: 3-15 [62] Schutz, Bernard F Gravity from the ground up Cambridge University Press, ISBN 0-521-45506-5 2003 [63] Davies PCW “Thermodynamics of Black Holes” Reports on Progress in Physics , Rep Prog Phys., Printed in Great Britain 1978; 41 [64] Heusler M “Stationary Black Holes: Uniqueness and Beyond” Living Reviews in Relativity Retrieved 2011 [65] Isaac Newton “In [experimental] philosophy particular propositions are inferred from the phenomena and afterwards rendered general by induction” General Scholium, Andrew Motte's English translation published 2010 [66] Isaac Newton “The Principia: Mathematical Principles of Natural Philosophy” Cambridge University Press 2010 15 [67] Robert S Elliott “Electromagnetics, History, Theory, and Applications” ISBN 978-0-7803-5384-8 1999 [13] Hawking SW “Black hole explosions?” Nature Bibcode, Natur 1974 [68] Junqi Zhang, Kun Liu, Ying Tan, and Xingui He “Random Black Hole Particle Swarm Optimization And Its Application” IEEE Int Conference Neural Networks & Signal Processing Zhenjiang, China 2008 [69] Abdolreza Hatamlou “Black hole: A new heuristic optimization approach for data clustering” Information Sciences, Elsevier 2013; 222: 175– 184 16 ... truyền, tiến hóa vi phân với thuật toán DE thuật toán văn hóa Từ thuật toán tối ƣu tiến hóa, luận văn trình bày trình bày khái niệm tập mờ, phân cụm mờ, thuật toán phân cụm mờ thuật toán kinh... Tổng quan tối ƣu tiến hóa toán phân cụm mờ Trong chƣơng này, luận văn trình bày tổng quan tối ƣu tiến hóa, thuật toán lập trình tiến hóa (EP), chiến lƣợc tiến hóa, thuật toán di truyền với thuật. .. thừa, dẫn chứng, phân tích hai thuật toán Black Hole Hamorny Search để thiết kế thuật toán lai khác tối ƣu cho phân cụm mờ Chƣơng Thiết kế thuật toán tối ƣu tiến hóa lai cho phân cụm mờ Trong chƣơng