یکی از الگوریتم­های تکاملی جدید که به دلیل سرعت و دقت بالا، در فرایند خوشه­بندی بسیار مورد استفاده قرار می­گیرد، الگوریتم رقابت استعماری می­باشد. با توجه به سرعت و دقت بالای این الگوریتم در این تحقیق، از ICA به‌منظور خوشه­بندی مسافران استفاده خواهد شد. الگوریتم رقابت استعماری الهام گرفته شده از فرایند اجتمـاعی-سیاسی جهـان واقعی بوده که شرح کامل آن در بخش ‏۲-۴-۲-۲-۲ ارائه گردید. علیرغم سرعت بالای این الگوریتم در دستیابی به بهینه­ترین جواب، ICA دارای نقاط ضعفی نیز بوده که در بخش بعد شرح داده شده است.

نارسایی الگوریتم رقابت استعماری

همان‌گونه که در فصل قبل اشاره شد، ۲ مفهوم اساسی در جستجوهای الگوریتم­های تکاملی وجود دارد؛ جستجو(Exploration) و بهره ­برداری(Exploitation). در الگوریتم رقابت استعماری، این دو مفهوم در فرایند جذب پیاده­سازی می­شوند. یکی از مشکلات موجود در پیاده­سازی سیاست جذب، استفاده از زاویه Ɵ است. اگرچه در تئوری الگوریتم رقابت استعماری، وجود زاویه Ɵ یک نقطه قوت بحساب می ­آید، اما وجود این زاویه در پیاده­سازی، مشکلاتی را بوجود می ­آورد. در شکل۲- ۲۹، به دلیل ۲ بُعدی بودن فضا مفهوم زاویه Ɵ به‌خوبی نشان داده شده است. قاعده کلی آنست که در فضای جستجو n بُعدی(n>2)، نیاز به تعریف n-1 زاویه Ɵ است؛ که پیاده­سازی آن می ­تواند مشکلاتی را بوجود آورد. از سوی دیگر، با توجه به آنکه سیاست جذب با مفهوم بردار سروکار دارد، لذا در پیاده­سازی نیاز به پیاده­سازی مفاهیم هندسه برداری بوده که گاها سخت بوده و می ­تواند باعث کاهش سرعت الگوریتم نیز شود. ازاین‌رو در بخش‏۳-۲-۲-۲-۲ روش جدیدی برای پیاده­سازی سیاست جذب، مستقل از مفهوم بردار و Ɵ ارائه‌شده و در فصل بعد این روش ارزیابی شده است.

توسعه ICA

یکی از مفاهیم اساسی در استعمار، مفهوم “اقبال عمومی^[۱۴۷]” است. این مفهوم اشاره به تمایل افراد جامعه به مستعمره شدن دارد. در طول تاریخ موارد بسیاری وجود دارد که علیرغم قوی­تر بودن کشور مستعمره از کشور استعمارگر، به دلیل افزایش نارضایتی مردم از سیاست­های موجود، کشور قوی­تر مستعمره شده است. به‌عنوان‌مثال، در جنگ ایران و اعراب در زمان امپراطوری ساسانیان، بسیار از مورخان، عدم حمایت مردم از امپراطوری و تمایل آن‌ها به اسلام­گرایی را ازجمله عوامل اصلی شکست امپراطوری ساسانی معرفی کرده ­اند. ازاین‌رو، توجه به تمایل افراد جامعه به مستعمره شدن و نارضایتی آن‌ها از سیاست­های فعلی می ­تواند عاملی مؤثر بر حرکت کشور به سمت استعمارگر و مستعمره شدن آن باشد. از این پس مفهوم اقبال عمومی با I_t نشان داده می­ شود. مفهوم I_t همانند مفهوم سرعت در الگوریتم PSO، ^[۱۴۸]BA و… است. این اقبال عمومی در هر بار تکرار، با توجه به موقعیتی که کشور در آن قرار گرفته است، متفاوت خواهد بود و باید بروزرسانی شود. اگرچه مفهوم “اقبال عمومی” به معنای تمایل افراد جامعه به تغییر نظام موجود و پیروی از یک نظام جدید است، اما این نظام جدید، هر نظامی نمی­تواند باشد. درواقع، مردم با بررسی شرایط استعمارگرها، به سمت آن استعمارگر که می­­تواند شرایط بهتری را برای آن‌ها به ارمغان بیاورد تمایل یافته و حاضر به پشتیبانی از آن هستند. این استعمارگر بهترین استعمارگر(imp_best) موجود بوده و مردم حاضر به حمایت از آن می­باشند. به‌عنوان نتیجه، می­توان “اقبال عمومی” را عامل تأثیرگذار بر مستعمره شدن یک کشور دانست که تحت تأثیر ۲ عامل می­باشد:
میزان نارضایتی از نظام فعلی
میزان تمایل به یک استعمارگر خاص
گاهی اوقات، مردم به حدی از وضعیت فعلی ناراضی بوده که تنها هدفشان رهایی از وضعیت فعلی است و در شرایطی دیگر، مردم چنان مجذوب یک استعمارگر شده که هدفشان چیزی جز پیروی از آن کشور نیست. در این توسعه، برای کنترل این ۲ عامل از ۲ متغیر و استفاده شده است. در ادامه و در رابطه ۳-۲ نحوه بروزرسانی I_t و نحوه تعیین موقعیت جدید کشور در فضای جستجو نشان داده شده است.

در رابطه ۳-۲، و به ترتیب اقبال عمومی و مکان جدید کشور بوده و مکان فعلی کشور می­باشد.

استخراج ارزش جهت بازاریابی

در ۲ مرحله قبل از فاز تعیین ارزش، مدل RFM برای تعیین ارزش مسافران در صنعت حمل­ونقل توسعه داده شد و روشی برای خوشه­بندی مشتریان ارائه گردید. با اجرای این ۲ مرحله، تعدادی خوشه از مسافران تشکیل می­ شود که در هر خوشه مسافرانی با ویژگی­های L، D_c، F و R شبیه به­هم وجود دارند. سوالی که در اینجا مطرح می­ شود آنست که کدام دسته از مشتریان باارزش­تر می­باشد؟
اگرچه مدل RFM قدرت زیادی در تعیین ارزش مشتریان دارد، اما مبنای این مدل بر اساس نگاه به گذشته مشتریان است. مدل RFM بشرطی می ­تواند یک مدل مناسب در تعیین ارزش مشتریان باشد که، رفتار آینده مشتری شبیه رفتار گذشته وی باشد[۱۵۳]. بر همین اساس، به‌منظور تعیین مشتریان باارزش آینده، بایستی آینده آن‌ها نیز تعیین شده و ملاکی برای تصمیم ­گیری قرار گیرد. بدین منظور، از روش زنجیره مارکوف برای پیش ­بینی وضعیت آینده مشتریان استفاده خواهد شد. هدف از استفاده از زنجیره مارکوف، پیش ­بینی متغیرهای فاصله(D_c)، فرکانس(F)، تازگی® و طول مدت زمان(L) آینده مشتریان است. در ادامه نحوه استفاده از زنجیره مارکوف در پیش ­بینی ارزش آینده مشتری شرح داده شده است.

الگوریتم استخراج ارزش

روند کلی در تعیین ارزش آینده مشتری با بهره گرفتن از زنجیره مارکوف بصورت زیر است:
خوشه­بندی داده ­های تراکنشی مسافران و تعیین مراکز خوشه ­ها.
تشکیل ماتریس گذار و قرار دادن مقدار هر یک از مراکز خوشه ­ها به‌عنوان گذارهای موجود در ماتریس­.
تشکیل ماتریس گذار.
صفر کردن تمامی درآیه­های ماتریس.
خوشه­بندی وضعیت جدید مسافران.
به ازای تغییر وضعیت هر مشتری در خوشه­های جدید نسبت به خوشه­های قدیم، یک واحد به مقدار درآیه متناظر در ماتریس اضافه شود.
نرمال کردن ماتریس.
پیش ­بینی متغیرهای LD_cFR آینده برای هر یک از مشتریان.
محاسبه ارزش هر یک از مشتریان به روش RFM وزن­دار.
محاسبه ارزش مورد انتظار^[۱۴۹] هریک از مشتریان با بهره گرفتن از رابطه ۳-۳٫

در رابطه ۳-۳، T دوره زمانی پیش ­بینی آینده مشتری بوده و value نشانگر ارزش LD_cFR وزن­دار می­باشد.
در مرحله ۶ از تعیین ارزش آینده مشتریان، هدف بدست آوردن یک مقدار عددی به‌عنوان ارزش آینده مشتری با بهره گرفتن از روش RFM وزن­دار است. در روش WRFM، ارزش هریک از مشتریان بر اساس رابطه ۳-۴ محاسبه و تعیین می­ شود.