پروپوزال ارائه یک روش توصیه گر برای سیستم های اینترنت اشیاء با استفاده از الگوریتم ژنتیک

امکانات اصلی این پروپوزال پس از خرید عبارتند از:
– امکان دانلود فایل Word پروپوزال
– امکان دانلود فایل Pdf پروپوزال

توجه : در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید کافی است با تیم پشتیبانی “ماکان تزیز” از طریق پیامک یا واتساپ ارتباط برقرار نمایید.

اینترنت اشیا در واقع به ارتباط اشیای مختلف از طریق اینترنت و برقراری ارتباط با یکدیگر می پردازد تا هدف آن یعنی فراهم‌کردن تجربه کاراتر و هوشمند‌تر محقق شود. اینترنت اشیا تلاش دارد تا بصورت انحصاری از طریق اینترنت و بر اساس پروتکل های ارتباطی استاندار، اشیا را به همدیگر متصل کند. نمونه هایی از اشیا عبارتند از: کنترل کننده ضربان قلب، خودروهای هوشمند و سایر حسگرهای دیگر که می توانند با یک پردازنده و حافظه کوچک به اشیا هوشمند تبدیل شوند.

با گذشت زمان، اشیاء هوشمند همراه با خدمات بی شماری معرفی خواهد شد. و کابران نیز در این فرآیند سرویس های متنوعی را درخواست می کنند. این موارد باعث ایجاد پیچیدگی های زیادی در توصیه سرویس و خدمات مناسب به کاربران بر اثر افزایش مجموعه خدمات مبتنی بر اشیا هوشمند می شود.

لذا برای مرتفع نمودن این چالش و پیچیدگی، سیستم های توصیه گر  بسیار راه حل مناسب و موثری است. سیستم های پیشنهاد دهنده در دامنه های مختلفی همچون فروشگاه کتاب، سیستم های پزشکی، اینترنت اشیاء و سایر محیط ها برای ارائه و توصیه آیتم ها مورد استفاده قرار می گیرند. این سیستم ها نقش حیاتی و بسیار مهمی در صنعت اینترنت اشیاء ایفا کرده اند.

هدف اصلی سیستم های توصیه گر

هدف اصلی سیستم های توصیه گر ارائه جذابترین آیتم ها و سرویس ها به کاربران یا اشیاء است. به طور کلی سیستم های توصیه گربه سه دسته تقسیم می شوند که عبارتند از:

• سیستم توصیه گر محتوا محور
• سیستم توصیه گر مشارکتی
• سیستم توصیه گر ترکیبی

در روش های محتوا محور پیشنهادات بر اساس رتبه ها و امتیازی که کاربر به محتوا، متن خبری، لینک و غیره داده است، ارائه می گردد. بر همین اساس محتوایی که بالاترین امتیاز را داشته است، پیشنهاد داده می شود.

در سیستم های توصیه گر مشارکتی بر خلاف سیستم های محتوا محور، کاربران مشابه شناسایی شده و آیتم هایی به آنها ارائه می گردد که امتیاز بالاتری دارند. سیستم های توصیه گر ترکیبی نیز تلفیقی از این دو سیستم می باشد.

سیستم های توصیه گر نیز دارای روش ها و تکنیک های مختلفی هستند. که برخی از این تکنیک ها عبارتند از:

• روش های داده کاوی اعم از خوشه بندی، کلاسه بندی، پیش بینی و غیره،
• روش های فراابتکاری از جمله الگوریتم های زنبور عسل، جهش قوریاغه و غیره،
• الگوریتم های بهینه ساز مثل الگوریتم ژنتیک و غیره.

الگوریتم ژنتیک یکی از مهمترین الگوریتم های ابتکاری می باشد که از آن برای بهینه سازی جهت توابع تعریف شده روی دامنه محدود استفاده می شود. در این الگوریتم اطلاعات گذشته با توجه به موروثی بودن الگوریتم استخراج شده و در روند جستجو مورد استفاده قرار می گیرد.