چکیده:
تصمیمات مالی اغلب بر اساس روش های طبقه بندی هستند که برای تعیین (تخصیص)مجموعه ای از مشاهدات در گروه هایی که از قبل تعیین شده اند استفاده می شوند.چنین مدل هایی باید تا حد امکان دقیق باشند. یک گام مهم در مورد توسعه مدل های طبقه بندی صحیح انتخاب متغیر های مستقل مناسب را در بر می گیردکه به مشکل موجود مربوط می شود .این مساله به عنوان مشکل انتخاب ترکیب دررشته استخراج اطلاعات/ یادگیری دستگاهی شناخته شده است .در تصمیمات مالی انتخاب ترکیب اغلب بر اساس قضاوت ذهنی کارشناسان استوار است. با وجود این، الگوریتم های انتخاب ترکیب اتوماتیک می توانند کمک بزرگی به تصمیم گیرندگانی باشند که ابزار موثری را برای پیدا کردن فضای انحلال ارائه می کنند.این تحقیق برای رفع این مشکل از دو روشی که از طبیعت الهام گرفته اند یعنی بهینه سازی اجتماعات مورچه ای و گروه کوچک زنبوری استفاده می کند.این بافت مدل سازی شده توسعه داده شده است وعملکرد روش ها در دو حوزه ی کارهای طبقه بندی مالی مورد آزمایش قرار گرفته است که ارزیابی ریسک اعتبار را در بر می گیرد وکمیت ها را بررسی می کند.
تحقیق درباره استفاده از ACO وPSO
