بهینهسازی گزینش شریک تراکنش در سامانه تجارت الکترونیک بر پایه ارزیابی اعتماد با الگوریتم ژنتیک
/مهدیه تقیزاده ایرانلو
: علوم ریاضی
، ۱۳۹۸
، افشاری
چاپی - الکترونیکی
کارشناسی ارشد
علوم کامپیوتر
۱۳۹۸/۰۶/۱۴
تبریز
تراکنش الکترونیکی، خرید یا فروش کالا یا خدمات، میان بازرگانان، افراد، دولت و دیگر سازمانهای دولتی یا خصوصی بر روی شبکههای رایانهای است .سفارش کالا یا خدمات از طریق شبکه انجام میشود، ولی پرداخت پول و تحویل کالا میتواند بیرون از شبکه نیز انجام شود .تراکنشهای الکترونیکی فعالیتهای گوناگونی از جمله مبادله خدمات، تحویل فوری مطالب دیجیتال، انتقال الکترونیکی پول، مبادله الکترونیکی سهام، بارنامه الکترونیکی، طرحهای تجاری و مهندسی و خدمات پس از فروش را نیز در برمیگیرد .که همه این فعالیتها به عنوان تجارت الکترونیک شناخته میشوند .آسان شدن فرآیندهای بازرگانی و نیز بهبود دسترسی به بازار و افزایش تنوع کالا، سبب گسترش و محبوبیت روزافزون تجارت الکترونیک شده است .در کنار امتیازهای بسیار زیاد تجارت الکترونیک، مشکلاتی هم مانند :دروغگویی، فریبکاری و کلاهبرداری وجود دارد که سبب بیاعتمادی کاربران در انجام تراکنشهای برخط میشود .در چنین محیط پویایی که هر کدام ازکاربران در پی انجام تراکنشهایی با اطمینان و سودمندی بیشتر هستند، تصمیم در مورد اینکه با چه کسی وارد معامله شوند، کار دشواری است .بنابراین برای از بین بردن واهمه کاربران و کمک به آنها برای تصمیمگیری، سامانههای مدیریتی گوناگونی، برای ارزیابی میزان اعتماد به فروشندگان ناشناس پیشنهاد شده است .در این سامانهها نارساییهایی مانند :پیچیدگی بالای مدل پیشنهادی، عدم تعادل سامانه و در نظرنگرفتن ویژگیهای سناریوهای دنیای واقعی، وجود دارد که سبب میشود کارکرد سامانه بهینه نباشد .در این پایاننامه به منظور رفع نارساییهایی که مطرح شد، یک ساختار ارزیابی اعتماد، در جهت بهینهسازی گزینش فروشنده، بر پایه سامانههای چندعاملی، معرفی میشود .این ساختار پیشنهادی برای هر فروشنده، با در نظر گرفتن چگونگی تراکنشهایی که در گذشته انجام داده و نظر کاربران دیگر درمورد تراکنش با او، یک میزان اعتماد محاسبه میکند .معیار ارزیابی میزان اعتماد در این ساختار، به این صورت انجام میشود که ۱۰ تراکنش پایانی کاربر بیشترین وزن و دومین ۱۰ تراکنش پایانی، کسری از بیشترین وزن را دارد .دراین ساختار پیشنهادی از گزینه پاداش برای تشویق کاربران به انجام تراکنشهای درستکارانه نیز استفاده میکنیم .این پاداش، افزایش مقدار اعتماد محاسبه شده نسبت به بهبود تراکنشهای انجام شده است .با توجه به اینکه با یک مسئله بهینهسازی در فضای گسسته روبرو هستیم، و الگوریتم ژنتیک معمولا برای یافتن راهحلهایی با کیفیت بالا در مسائل گسسته بهینهسازی استفاده میشود، بنابراین در این پایاننامه از الگوریتم ژنتیک استفاده کنیم
Electronic transaction is the purchase or sale of goods or services between merchants, individuals, government and other public or private organizations on computer networks. The ordering of goods or services is done through the network, but payment and delivery of goods can also be done offline. Electronic transactions also include a variety of activities including service exchange, instant delivery of digital content, electronic money transfer, electronic stock exchange, electronic bill of lading, engineering and business plans and after-sales services. All of these activities are known as e-commerce. The ease of doing business and improving market access and increasing product diversification have led to the growing popularity of e-commerce. Along with the many advantages of e-commerce, there are also problems such as lying, cheating, and fraud that cause users to distrust online transactions. In such a dynamic environment, where each user seeks to make transactions more secure and profitable, it is difficult to decide who to trade with. Therefore, various management systems have been proposed to assess the trust of anonymous sellers in order to eliminate users' fears and help them make decisions. In these systems, there are failures such as high complexity of the proposed model, system imbalance and disregard for the features of real-world scenarios, which makes the system not functioning optimally. In this thesis, in order to address the shortcomings mentioned, a trust assessment structure is introduced to optimize vendor selection based on multi-factor systems. This proposed structure calculates a level of trust for each vendor, considering how it has performed in the past and other users' views of the transaction. The criterion for assessing the degree of trust in this structure is that the 10 end-user transactions have the highest weight and the second 10 end-users have the highest weight deficit. In the proposed structure, we also use the bonus option to encourage users to perform honest transactions. This bonus is an increase in the amount of trust calculated to improve the transactions performed. Since we are faced with an optimization problem in discrete space, and the genetic algorithm is usually used to find high-quality solutions to discrete optimization problems, so we use the genetic algorithm in this th