بحثًا عن فرق متنوعة ومترابطة: منهج حسابي لتجميع فرق متنوعة بناءً على الأعضاء الجزء الرابع

في هذا التنفيذ، نستخدم مجموعة متنوعة من المقاييس لتقييم تنوع الفرق الذي توفره المتغيرات الفئوية C، ومقاييس التباين لتقييم تنوع الفرق الذي توفره المتغيرات العددية U. لقياس مقاييس التنوع لكل فريق من خلال السمات الفئوية لأعضائه C، نستخدم مؤشر Blau (Bt; ci) [30].

في حياتنا، كثيرًا ما نواجه أشخاصًا وأشياء مختلفة. إن تنوع هؤلاء الأشخاص والأشياء يتجاوز حدود العرق والثقافة والطيف المعرفي. لقد وجدت الأبحاث الحديثة وجود علاقة إيجابية بين مؤشرات التنوع والذاكرة.

تشمل مؤشرات التنوع التنوع العرقي والثقافي والمعرفي. مع التنوع العرقي، فإن التعرض للأعراق المختلفة يحفز تفكير الناس وذاكرتهم، حيث يحتاج الناس إلى أن يظلوا حساسين تجاه اللغات والثقافات المختلفة وأن يقوموا بالتعديلات اللازمة عليها. التنوع الثقافي يعني أن الناس يمكن أن يتعرضوا لثقافات ومعتقدات وقيم مختلفة. يمكن لهذه التجارب أن تجعل الناس أكثر مرونة وقدرة على التكيف والإبداع. يمكن أن يشمل التنوع في النطاق المعرفي تخصصات ومهن وخبرات مختلفة تزيد من معرفتنا وفهمنا للأشياء.

في الماضي، كان يُعتقد أن المزايا المعرفية لا يمكن تحقيقها إلا من خلال خلفية ثقافية واحدة. ومع ذلك، تظهر الآن مجموعة متزايدة من الأبحاث أن مؤشرات التنوع يمكن أن تحسن القدرات المعرفية والذاكرة لدى الشخص. ويعتقد العلماء أن السبب في ذلك هو أن مؤشرات التنوع تساعدنا في بناء ذكريات أكثر تعقيدًا، وتساعدنا أيضًا على فهم وتذكر العناصر البصرية والسمعية واللفظية المختلفة.

في بعض الدراسات، وجد الباحثون أن الأشخاص ثنائيي اللغة يؤدون أداءً أفضل في العديد من المهام المعرفية. عندما يتحدث الناس لغات متعددة، فإنهم يقومون بمقارنة النطق والمفردات والقواعد بين اللغات المختلفة. تعمل هذه المعالجة عبر اللغات على تقوية الشبكات العصبية في الدماغ وتحسين القدرات المعرفية.

لذلك، يمكننا أن نستنتج أن مؤشرات التنوع يمكن أن تحسن القدرات المعرفية والذاكرة، والتي يمكن أن تفيد أيضًا حياتنا المهنية والشخصية. يجب أن نشجع أنفسنا على التعرض لمجموعة واسعة من الثقافة والمعرفة، وأن نفتح معرفتنا وفهمنا لأشياء جديدة لمساعدة أنفسنا على تحقيق نتائج أفضل في التنمية المستقبلية. يمكن ملاحظة أننا بحاجة إلى تحسين ذاكرتنا. يمكن لـ Cistanche deserticola أن يحسن الذاكرة بشكل كبير لأن Cistanche deserticola هي مادة طبية صينية تقليدية لها العديد من التأثيرات الفريدة، أحدها هو تحسين الذاكرة. تأتي فعالية اللحم المفروم من المكونات النشطة المختلفة التي يحتوي عليها، بما في ذلك الأحماض والسكريات والفلافونويد وغيرها. ويمكن لهذه المكونات تعزيز صحة الدماغ بطرق مختلفة.

انقر فوق معرفة المكملات الغذائية لتحسين الذاكرة

يحدد هذا المؤشر احتمالية أن يكون اثنان من أعضاء الفريق الذين تم اختيارهم عشوائيًا من الفريق في فئات مختلفة. تعني الدرجة المنخفضة أن الأعضاء يقعون في نفس الفئة، بينما تعني الدرجة العالية أن الأعضاء يقعون في فئات مختلفة.

نشير إلى pci jas نسبة الأعضاء الذين يندرجون ضمن فئة معينة j في السمة الفئوية ci. بالنظر إلى أن عدد الفئات في ci هو oci، حيث j ¼ 1؛ :::; oci، صيغة BlauIndex للفريق t هي:

بت;ci ¼ 1 Xocijpci2j ð2

لقياس مقاييس التباين لكل فريق من خلال المتغيرات العددية لأعضائه U، نستخدم معامل التباين (CVt;ui) [30]، والذي يتم تعريفه على أنه نسبة الانحراف المعياري إلى متوسط ​​السمة i، ui 2 U.

يعني انخفاض معامل درجة التباين أن جميع أعضاء الفريق لديهم مستويات متشابهة من السمة، في حين تعني الدرجة العالية أن جميع أعضاء الفريق لديهم مستويات مختلفة من السمة. بالنسبة لفريق t مع الأعضاء j=1، 2، . . .، k، ومع ui كقيمة متوسطة للفريق للسمة i، تكون الصيغة كما يلي:

CVt;ui ¼ffffffffffffffffffffffffffffffffffffffffffffffffffffiffiXkj2tðuiðpjÞ u �iÞ2=kvuut =u �i ð

يُعد هذان المقياسان لتنوع الفريق مفيدًا لأنهما لا يتغيران عندما يتم قياس البيانات المدخلة خطيًا، ويميل كلاهما إلى البقاء بالقرب من نفس القيم. بالنظر إلى أن مشكلة تشكيل الفريق تأخذ في الاعتبار المتغيرات الفئوية C والمتغيرات العددية U، يمكن ترجيح مقاييس التنوع لتحديد أولويات الاختلافات ضمن متغير محدد.

متجه الأوزان W له |C| + |ش| العناصر، حيث W ¼ ðwu1؛ :::;wcm ;wc1;wc2; :::; wclÞ. واستنادًا إلى هذه المقاييس، نقوم بتجميع التنوع للسمات المختلفة في قيمة واحدة. نحن نحدد درجة تنوع الفريق V للفريق t كمجموع مرجح لمؤشرات Blau لجميع المتغيرات الفئوية C ومعامل التباين لجميع المتغيرات العددية U. الصيغة هي:

Vt ¼ Xmi¼1wui � CVt;ui þXli¼1wci � Bt;ci ð

بيان المشكلة متعدد الأهداف. نقوم بصياغة المشكلة باعتبارها مشكلة متعددة الأهداف لإيجاد مجموعة من حلول فريق ص P ¼ fT1؛ T2؛ T3؛ :::; Trg، حيث يمثل everyT حلاً محتملاً مع فرق q.

إن تحليل وظيفة التقييم إلى كلا الهدفين - تقليل تكاليف الاتصال وزيادة تنوع الفريق - يسمح لنا بإيجاد حلول متعددة لا يمكن لنهج الهدف الواحد الوصول إليها. ونتيجة لذلك، فإننا نتوقع ألا نجد حلاً فريدًا T ولكن مجموعة من الحلول P التي لا يوجد لها حل آخر أفضل في كلتا الوظيفتين الموضوعيتين.

تُعرف هذه المجموعة من الحلول P أيضًا باسم واجهة باريتو، حيث (أ) لا توجد مجموعة أخرى من الحلول T0 مع فرق أكثر تنوعًا وترابطًا، و(ب) كل حل Ti؛ i 2 P لا يتفوق على جميع الحلول الأخرى في P فيما يتعلق بأهداف التنوع وتكاليف الاتصالات. إن وجود هذه المجموعة من حلول الفريق P يجعل من الممكن تقييم كل منها على حدة، بحيث يمكن لمنشئ الفريق اختيار الفرق الأكثر ملاءمة الممكنة لتجميعها للسياق والظروف المحددة.

باختصار، مشكلة تشكيل الفريق التي تم تناولها في هذا البحث هي إيجاد حلول باريتو الأمامية P للفريق، حيث يتكون كل حل T من فرق q (T={t1, t2, t3, . ., tq} ). الهدف المزدوج هو زيادة تنوع الفرق إلى أقصى حد بناءً على السمات الفئوية C والسمات العددية U وتقليل تكلفة الاتصال بناءً على G. يمكننا تصميم هذه المشكلة على النحو التالي:

نظرًا لأن العثور على فرق من الرسم البياني G مع تقليل مجموع أطوال المسار الأقصر ومشكلات تخصيص الفريق قد ثبت أنه مشكلة NP-hard [57، 68]، فإن هذه المشكلة متعددة الأهداف هي أيضًا مشكلة NP-hard.

تنفيذ NSGA-II

توفر أشكال واجهات باريتو معلومات مفيدة حول درجة المفاضلة بين الأهداف المختلفة ومدى التسوية المطلوبة من بعض المعايير لتحسين معايير أخرى.

من الصعب تحديد جبهة باريتو الدقيقة لمشاكل التحسين التوافقي متعدد الأهداف لأنه من الضروري حساب جميع المجموعات الممكنة للعثور على باريتوفرونت الحقيقية [63]. لهذا السبب، الهدف هو إيجاد تقريب لجبهة باريتو الحقيقية باستخدام الخوارزميات الإرشادية. الافتراض الحاسم لهذه الخوارزميات هو أن جبهة باريتو مأهولة بالسكان بشكل كافٍ.

تعتمد جودة هذا التقريب على (1) قرب النقاط الموجودة على الجبهة التقريبية من النقاط الموجودة على جبهة باريتو الحقيقية؛ و(2) تنوع الحلول على الجبهة التقريبية، حيث يكون المزيد من التنوع أفضل عادةً. على الرغم من أن جبهة باريتو الحقيقية غير معروفة، إلا أن الحلول التي تهيمن على غيرها تكون قريبة من جبهة باريتو الحقيقية النظرية. ولذلك، فإن تنوع الحلول سيوفر نطاقًا أكثر اتساعًا وتفصيلاً لجبهة باريتو.

تُستخدم الخوارزميات الجينية (GA) بشكل شائع للعثور على تقديرات تقريبية لجبهات باريتو [69]. ومن خلال تقليد التطور في الطبيعة، تعمل هذه الطريقة على تحسين مجموعة الحلول الأولية إلى حلول أفضل من خلال الانتقاء الطبيعي. يتميز كل حل بأنه كروموسوم (أي ناقل للصفات)، والذي يمكن تحوره وتغييره في كل تكرار. إن أفضل الحلول سوف تصمد بعد أن تتحور مع مرور الوقت. تعتبر الخوارزميات الجينية مثالية لإيجاد حلول لمشاكل التحسين في المساحات الكبيرة وغير الخطية للغاية [70].

تبدأ الخوارزمية الجينية من مجموعة من الحلول المولدة عشوائيًا والتي تتطور إلى حلول جديدة من خلال عملية تكرارية. يُعرف السكان الذين تم إنشاؤهم في كل تكرار أيضًا بالجيل. في كل جيل، تقوم الخوارزمية بتقييم كروموسوم كل مجموعة وفقًا للوظيفة الموضوعية في مشكلة التحسين التي تم حلها.

ويتم اختيار الكروموسومات ذات أعلى الدرجات من الجيل الحالي واستخدامها لتكوين جيل جديد. تستمر هذه العملية حتى يتم تحقيق الحد الأقصى لعدد التكرارات أو عن طريق وظيفة العتبة المحددة للحلول.

قمنا بتنفيذ خوارزمية جينية تسمى خوارزمية الفرز الجينية غير المسيطرة-II(NSGA-II) والتي صاغها Deb et al. [71]. يسمح NSGA-II بإيجاد تقريب لجبهة باريتو، مع وجود حلول جماعية مختلفة P والتي تختلف وفقًا لتكاليف الاتصال ودرجة التنوع المحددة. يعتمد نهج NSGA-II على فرز السكان في تسلسل هرمي من المجموعات السكانية الفرعية باستخدام معايير باريتو للهيمنة.

ثم يتم اختيار الكروموسومات للتكرار التالي حسب التسلسل الهرمي المذكور. يضمن هذا الاختيار النخبوي الاحتفاظ بالكروموسومات الجيدة المحتملة بين السكان، ولا تنخفض جودة الحل الذي يتم الحصول عليه من تكرار إلى آخر. يتم ترتيب الحلول أيضًا وفقًا للتشابه بين كروموسوماتها، مما يؤدي إلى إزالة الكروموسومات الزائدة عن الحاجة لتعزيز التنوع في جبهة باريتو.

ونتيجة لذلك، يمكن لـ NSGA-II أن يتقارب مع Paretofront عالي الأداء بعد عدة تكرارات. أظهر العمل السابق أن NSGA-II يوفر حلولاً بمستويات عالية من الكفاءة تعمل في O(n2).

في هذا التنفيذ، تحتوي كل مجموعة P على حلول فريق r P ¼ fT1؛ T2؛ :::; Trg، ويمثل كل كروموسوم مجموعة محتملة من فرق q Ti={t1, t2, . . .، ق}. نحن نستخدم "الكروموسوم" و"حل الفريق" بالتبادل خلال هذه الورقة.

نحن نصف الكروموسوم بأنه ناقل للأفراد المقسمين إلى أجزاء q للحصول على الفرق (الشكل 2). ونتيجة لذلك، فإن طول كل كروموسوم يساوي عدد الأشخاص n، الذين يمثلون فرق q من sizek (q �k=n). لقد قمنا بتكييف هذه الخوارزمية مع مشكلة تشكيل الفريق المتنوع المحددة لدينا، وقمنا بتوضيح هذه الخطوات في الخوارزمية 1.

التهيئة. تبدأ الخوارزمية بتهيئة مجموعة من الكروموسومات P وتجميع الفرق بشكل عشوائي. معلمات الإدخال الخاصة بها هي العدد الإجمالي للكروموسومات r المراد تضمينها في السكان P، وقائمة الأشخاص P، وعدد الفرق q المراد تشكيلها، وعدد التكرارات لأداء g.

يتم تخزين الكروموسومات كمصفوفات ثنائية الأبعاد ذات الشكل (q,k)، حيث q هو عدد الفرق الممكن تجميعها، وk هو عدد الأعضاء في كل فريق. يعد كل كروموسوم حلاً محتملاً لمشكلة تشكيل الفريق المتنوع، والهدف هو العثور على مجموعة من الكروموسومات ذات مستويات عالية من التنوع وتكاليف اتصال منخفضة.

بعد إنشاء المجموعة الأولية، تقوم الخوارزمية بإنشاء النسل والبحث عن جبهات باريتو بشكل متكرر حتى يتم الوصول إلى الحد الأقصى لعدد الأجيال g.

خطوة كروس.

في كل جيل، تأخذ الخوارزمية كروموسومين عشوائيين (p1 وp2) من المجموعة السكانية الموجودة P وتختار عشوائيًا فرق q من هذا الاتحاد. ونتيجة لذلك، سيكون للخوارزمية كروموسوم فرعي مع فرق q. وبما أن فرق الطفل يتم اختيارها عشوائيًا من اثنين من الكروموسومات المختلفة، فقد يتم اختيار الأفراد مرتين، قادمين من p1 وp2.

تستبدل الخوارزمية الأفراد المتكررين بآخرين لم يتم تعيينهم في فريق. فهو يستكشف كل عضو في كروموسوم الطفل ويحسب عدد المرات التي يكون فيها الفرد جزءًا من الفريق. إذا تم إحصاء الفرد أكثر من مرة، فسيتم استبدال هذا الفرد بشكل عشوائي بعضو مفقود. في نهاية عملية المراجعة هذه، سيكون للخوارزمية كروموسوم فرعي مع تعيين جميع أعضاء P لفريق واحد.

توفر هذه العينات العشوائية طفرة كافية للخوارزمية لإدخال التنوع في السكان دون إضافة خطوة طفرة أخرى. نوضح طريقة التقاطع المقترحة في الخوارزمية 2.

For more information:1950477648nn@gamil.com