استطلاع حول الخوارزميات التطورية متعددة الأهداف للتنقيب في البيانات: الجزء الأول

تهدف أي تقنية للتنقيب في البيانات إلى بناء نموذج تنبؤي أو وصفي فعال لكميات كبيرة من البيانات. وقد وُجد أن تطبيقات الخوارزميات التطورية مفيدة بشكل خاص في المعالجة التلقائية لكميات كبيرة من البيانات الأولية الضوضائية لضبط المعلمات المثلى واكتشاف معلومات هامة وذات معنى. تتضمن العديد من مشاكل التنقيب في البيانات في الحياة الواقعية مقاييس أداء متعددة متعارضة، أو أهداف، تحتاج إلى تحسينها في وقت واحد. في هذا السياق، بدأت الخوارزميات التطورية متعددة الأهداف تجد المزيد والمزيد من التطبيقات في مجال التنقيب في البيانات منذ بداية العقد الماضي. في هذه الورقة المكونة من جزئين، قمنا بإجراء مسح شامل حول التطورات الحديثة للخوارزميات التطورية متعددة الأهداف لمشاكل التنقيب في البيانات. في هذه الورقة، الجزء الأول، تم تقديم بعض المفاهيم الأساسية المتعلقة بالتحسين متعدد الأهداف والتنقيب في البيانات. بعد ذلك، تم استعراض طرق تطورية متعددة الأهداف مختلفة لمهمتين رئيسيتين في التنقيب عن البيانات، وهما اختيار الميزات والتصنيف. في الجزء الثاني من هذه الورقة، قمنا بمسح خوارزميات تطورية متعددة الأهداف مختلفة للتجمع، والتنقيب عن قواعد الارتباط، والعديد من مهام التنقيب الأخرى، وقدمنا مناقشة عامة حول المجالات المستقبلية للبحث في هذا المجال.