کاهش ابعاد ویژگی مبتنی بر تئوری راف با استفاده از الگوریتم رقابت لیگ فوتبال

افزایش حجم پایگاه داده ها، مسئله کاهش ویژگی را ایجاد و پراهمیت می سازد. از این رو در علم داده کاوی، یکی از زیربخش های مهم، مسئله کاهش ابعاد (انتخاب ویژگی) می باشد که در آن زیرمجموعه ای از ویژگی هایی که بیشترین تاثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب می شوند. در سال های اخیر، تیوری مجموعه راف به عنوان یکی از ابزارهای موثر و کارآمد در کاهش ویژگی مورد توجه محققان قرار گرفته است. در این مقاله الگوریتم رقابت لیگ فوتبال برای اولین بار به منظور حل این مسئله مورد استفاده قرار گرفته شده است. توانایی فرار از بهین های موضعی، امکان بهره گیری از اطلاعات بازیکنان توزیع شده در فضای جستجو، همگرایی سریع به جواب های بهین و پارامترهای کم این الگوریتم، انگیزه این انتخاب بود. علاوه بر این نوآوری، ارایه تغییراتی همچون بهره گیری از مجموع توان بازیکنان ثابت و ذخیره در محاسبه توان هر تیم، در نظر گرفتن ترکیب ساختارهای پیوسته و گسسته برای هر بازیکن، ارایه یک مکانیزم ابتکاری گسسته سازی جدید، ارایه تحلیل هیدرولیک متناسب با مسئله تحقیق برای فرایند برازش هر بازیکن، ارایه اصلاح در عملگرهای تقلید و تهییج بر اساس چالش های نسخه اصلی را می توان به عنوان ایده های پیشنهادی به منظور اصلاح و سازگاری این الگوریتم برای مسئله کاهش ویژگی برشمرد. ایده های پیشنهادشده بر روی سه سطح داده در ابعاد کوچک، متوسط و بزرگ به همراه چهار الگوریتم فراابتکاری مشهور ژنتیک و بهینه سازی ازدحام ذارت، سیستم ایمنی مصنوعی و لیگ قهرمانان پیاده سازی گردیده و مقایسه نتایج به دست آمده نشان از مزیت های رقابتی قابل توجه الگوریتم رقابت لیگ فوتبال با سایر الگوریتم ها دارد.