افزايش كارايي سيستم هاي توصيه گر با استفاده از الگوريتم بهينه سازي ازدحام ذرات

با رشد روز افزون داده و اطلاعات در اينترنت و از طرفي رشد كاربران استفاده كننده از اين اطلاعات و سرويس ها، لزوم وجود سيستمي را نمايان مي سازد كه بتواند كاربر را به سمت سرويس مورد علاقه، البته در زمان استاندارد و با دقت قابل قبول هدايت نمايد. بنابراين سيستم هاي توصيه گر جهت رفع اين مشكلات و ارايه راه حل پا به عرصه گذاشتند از طرفي به علت وجود مسايلي همچون پراكندگي داده ها و مقياس پذيري اطلاعات ، سيستم هاي توصيه گري كه از روش هاي سنتي و مدلهاي رياضي استفاده مي كردند پاسخگوي نياز كاربران نشدند لذا جهت بهبود سرعت و دقت طي تحقيقات انجام شده، سيستم هاي توصيه گر پالايش گروهي كه از فاكتور سازي ماتريس و تجزيه ماتريس استفاده مي كردند توانستند تا حدودي نياز كاربران را برآورده كنند اما امروزه كه بخاطر حجم بالاي اطلاعات و وجود ميليون ها كاربر، دو عامل سرعت و دقت كاملا ضروري مي باشد و جزء اساسي ترين شاخصهاي اين سيستم ها مي باشد. الگوريتم هاي تكاملي جهت حل مشكل سرعت و كاهش ميزان خطا به خاطر بروزرساني كليه رتبه ها به صورت يكجا در اين سيستم ها استفاده شدند كه الگوريتم ژنتيك توانسته است با حفظ خطاهاي مربوطه سرعت را ارتقاء دهد. در اين مقاله تلاش گرديده است جهت افزايش كارايي با استفاده از الگوريتم بهينه سازي ازدحام ذرات و سپس ادغام آن با الگوريتم آشوب رضايت هر چه بيشتر كاربران را به دست آورده و در نتيجه به توسعه تجارت الكترونيك ياري كرد. عمل شبيه سازي در نرم افزار متلب انجام شده است و نتايج حاصل از مقايسه الگوريتم هاي GA و CPSOنشان مي دهند كهCPSO نسبت بهGA توانسته است سرعت و دقت را بهبود بخشد.