برای برآورد پارامترهای ژنتیکی میزان زندهمانی با بهره گرفتن از مدل ویبول، بردار اثرات تصادفی مختلف (U) و بردار طرح مربوطه (Z_i) به مدل اضافه شد :

(۲-۸)

بر این اساس مدل حیوانی جهت برآورد مؤلفه های واریانس و پارامترهای ژنتیکی مورد استفاده قرار گرفت، که به صورت زیر است.
مدل حیوانی:

(۲-۹)

که a بردار اثرات ژنتیکی افزایشی حیوانات با توزیع نرمال چند متغیره (۰,A   )  A ,aماتریس روابط ژنتیکی افزایشی بین حیوانات   واریانس ژنتیکی افزایشی بین حیوانات و Z₂  ماتریس طرح است. میزان وراثت پذیری بر پایه مقیاس لگاریتم برای مدل حیوانی ویبول به صورت زیر برآورد شد .

(۲-۱۰)

همچنین وراثت پذیری مؤثر نیز به صورت زیر برآورد شد.

(۲-۱۱)

مؤلفه های واریانس، همگرائی و حل معادلات برای اثرات ثابت و تصادفی با بهره گرفتن از نرم افزار Matvec و روش حداکثر درست نمائی محدود شده برآورد شد.
۲-۹- اجرای روش بیزی با بهره گرفتن از نمونهگیری گیبس
برای اجرای آنالیزهای بیزی (آستانهای و خطی) از نرم افزار ^[۳۰]TM استفاده شد. این نرمافزار برای انجام تجزیه از روش زنجیره های مارکوف مونتکارلویی (MCMC) و نمونهگیری گیبس استفاده میکند و دارای قابلیت تجزیه همزمان چندین صفت خطی و آستانهای و ارائه توزیع پسین برای مؤلفه های واریانس و نسبتهای آنها در فایل خروجی است. این نرمافزار نیز از عهده تجزیه انواع مدلهای حیوانی، پدری، مدل دارای اثر مادری و اثر محیط پایدار مادر، تجزیههای تکصفته و چندصفته و کار با داده های بسیار بزرگ برمیآید. از مزایای این نرمافزار نسبت به موارد مشابه، میتوان به سرعت بالا و اجرای راحتتر مدلهای چندصفته اشاره کرد. در این تحقیق از مدل ۶ که کاملترین مدل شامل اثرات مستقیم حیوان، اثر ژنتیکی افزایشی مادری، اثر محیطی دائمی مادری و کوواریانس بین حیوان و مادر بود استفاده شد.خروجی ها با بهره گرفتن از بسته BOA در نرم افزار R مورد بررسی قرار گرفتند.
برای تمام آنالیزهای بیزی تکصفته و دوصفته از ۵۰۰۰۰۰ نمونه، با دورهی سوختن ۱۰۰۰۰۰با فواصل (thinning interval) 100 از یکدیگر استفاده شد و از ۴۰۰۰۰۰ نمونه باقیمانده برای به دست آوردن برآوردهای مؤلفه های واریانس، وراثتپذیری و همبستگی بین آثار مستقیم و مادری برای صفت زندهمانی از تولد تا ۶۰ روزگی، تولد تا ۹۰ روزگی تولد تا ۱۸۰ روزگی، تولد تا ۲۷۰ روزگی، تولد تا یک سالگی استفاده شد. تجزیههای تکصفته زندهمانی با استفاده مدل آستانهای و تجزیه دوصفته میان صفات زندهمانی با بهره گرفتن از مدلهای آستانهای-آستانهای و تجزیه دوصفته صفات زندهمانی با اوزان بدن با بهره گرفتن از مدلهای خطی-آستانهای انجام شد.
۳-۱- دلایل حذف برهها
جدول ۳-۱ توزیع علل حذف برههای استان گیلان را نشان میدهد. در این بررسی، تعداد کل برههای مورد مطالعه ۴۱۰۳۷ رأس بود که تعداد ۲۳۷۰ رأس (۷۷/۵ درصد) آنها از گله حذف و تعداد ۳۸۶۶۷ رأس (۲۲/۹۴ درصد) آنها در گله باقی ماندهاند. مهمترین عوامل حذف بهترتیب شامل مازاد داشتی (۵۹/۶۰ درصد)، مازاد پرواری (۱۱/۱۶ درصد)، پایین بودن تولید (۹۵/۱۲ درصد) و بیماری مزمن (۱۶/۶ درصد) میباشند. مشکلات زایش (۶۴/۱ درصد) و عدم خلوص (۵۹/۰ درصد) درصد کمتری از حذف را به خود اختصاص دادند که بر این اساس بیشترین و کمترین درصد حذف بهترتیب مربوط به مازاد داشتی و عدم خلوص نژادی میباشد.
جدول۳-۱- توزیع علل حذف برهها

عنوان

تعداد

الگوریتم SOM بر مبنای یادگیری رقابتی است؛ بدین معنا که نرون‌های خروجی بر اساس شباهتی که با بردار ورودی دارند با یکدیگر رقابت می‌کنند و نرونی که بیشترین شباهت را با بردار ورودی داشته باشد به عنوان نرون برنده انتخاب می‌شود. بر اساس همین الگوریتم یادگیری رقابتی است که SOM قادر خواهد بود داده‌های ورودی را بر اساس شباهت موجود بین داده‌ها خوشه‌بندی کند. از آنجایی که در SOM ویژگی‌های توپولوژیکی مربوط به مجموعه داده حفظ می‌شود، می‌توان از آن برای اهداف کاهش بعد نیز استفاده کرد. در واقع این بدان معناست که، اگر دو داده در فضای ابعاد اولیه به یکدیگر نزدیک باشند، این وضع در فضای تقلیل یافته نیز حفظ می‌شود.

قبل از بیان گام‌های الگوریتم لازم است با مفهوم همسایگی در این الگوریتم آشنا شویم. شعاع همسایگی برای یک نرون لایه خروجی مشخص کننده نرون‌های همسایه آن نرون است. مراحل الگوریتم SOM به صورت زیر است (Karray and Silva 2004):

1. 1. تمامی وزن‌ها (w_ijها) و نرخ یادگیری α و شعاع همسایگی N_c مقداردهی اولیه می‌شوند.

1. 1. یک داده ورودی x از مجموعه داده‌های ورودی به شبکه معرفی می‌شود.

1. 1. انتخاب نرون برنده بر اساس معیار فاصله (معمولا فاصله اقلیدسی در نظر گرفته می‌شود) :

1. 1. به روز کردن وزن نرون برنده و نرون‌های همسایه از تکرار k به تکرار k+1:

1. 1. تکرار گام‌های ۲ تا ۴ به ازای تمامی برداهای ورودی.

1. 1. کاهش نرخ یادگیری و شعاع همسایگی بر اساس رویکردی مشخص برای دوره بعد.

1. 1. تکرار گام‌های ۲ تا ۶ تا زمان تحقق شرط خاتمه (معمولا تعداد مشخصی تکرار).

K - نزدیکترین همسایه
این الگوریتم نیز بر اساس شباهت‌ها کار می‌کند. هر داده اگر دارای n ویژگی باشد یک نقطه در فضای n بعدی است. تمام داده‌های آموزشی در فضای n بعدی ذخیره می‌شوند. زمانی که داده‌ای با کلاس نامشخص داده شود، k همسایه نزدیک به آن در این فضا شناسایی می‌شوند و برچسب داده مورد نظر با توجه به برچسب این k همسایه تعیین می‌شود (Larose 2005). برای محاسبه فاصله بین رکوردها از فاصله متری و به طور معمول از فاصله اقلیدسی استفاده می‌شود.
مقدار پارامتر k، به‌صورت تجربی تعیین می‌شود. ابتدا با ۱=k شروع و در هر مرحله با بهره گرفتن از داده‌های تست نرخ خطای دسته‌بندی محاسبه می‌شود؛ در هر مرحله مقدار k یک واحد افزایش داده می‌شود. در انتها کوچک‌ترین k که کمترین نرخ خطا را داشته باشد، انتخاب می‌شود. کوچک بودن مقدار k باعث می‌شود داده جدید به تعداد نقاط کم‌تری وابسته باشد، در این صورت خطا زیاد می‌شود. حال اگر مقدار k بزرگ باشد، داده جدید به کلاس‌های بیشتری وابسته می‌شود، در این صورت نیز خطا زیاد است. مقدار k باید یک مقدار میانی باشد.
از آنجایی که این الگوریتم مدلی برای دسته‌بندی داده‌ها ایجاد نمی‌کند و فقط داده‌های آموزشی را در یک فضای n بعدی قرار می‌دهد، زمان اجرای الگوریتم در مرحله آموزش کم است. ولی زمانی که داده جدیدی به الگوریتم معرفی می‌شود، برای تعیین برچسب آن محاسبات بیشتری باید انجام دهد. بنابراین زمان اجرا در مرحله تست بیشتر خواهد بود.
ماشین بردار پشتیبان^[۱۰۴] (SVM)
ماشین‌های بردار پشتیبان در ابتدا توسط وپنیک^[۱۰۵] در دهه ۹۰ میلادی توسعه داده شدند (شهرابی and شجاعی ۱۳۸۸). این الگوریتم ابزاری قدرتمند برای حل مسائل دسته‌بندی دو کلاسه است بگونه‌ای که بتوان کلاس‌ها را بطور خطی از یکدیگر جدا کرد. هدف SVM عبارت است از یافتن ابرصفحه جداکننده نقاط داده‌ای متعلق به دو کلاس با بیشترین حاشیه^[۱۰۶] و بهترین توانایی تعمیم. حاشیه، از دیدگاه هندسی عبارت است از فاصله موجود بین ابر صفحه و نزدیک‌ترین نمونه آموزشی. از یک منظر دیگر، حاشیه اینگونه تعریف می‌شود: مقدار فضا یا جدایی موجود میان دو کلاس که توسط ابرصفحه تعریف می‌شود. به نزدیک‌ترین نمونه‌های آموزشی به ابر صفحه جداکننده به اصطلاح بردار پشتیبان^[۱۰۷] گفته می‌شود (شهرابی and شجاعی ۱۳۸۸). شکل ۲-۶ خط جداکننده را به همراه بردارهای پشتیبان در فضای دو بعدی نشان می‌دهد.
شکل ‏۲‑۶: خط جداکننده SVM
تکنیک SVM در برخورد با داده‌هایی که به صورت خطی از یکدیگر جدا نمی‌شوند از یک نگاشت غیرخطی برای تبدیل داده‌های آموزشی به داده‌هایی با ابعاد بالاتر استفاده می‌کند. بدین ترتیب داده‌های تبدیل شده در ابعاد بالاتر به صورت خطی جدا پذیر خواهند بود. تابعی که وظیفه‌ی این نگاشت را به عهده دارد تابع کرنل^[۱۰۸] نامیده می‌شود. همچنین، تعمیم‌هایی از الگوریتم SVM برای حل مسائل دسته‌بندی چندکلاسه توسعه یافته است. اگرچه بنابر آنچه که گفته شد تکنیک SVM ابزاری قدرتمند برای حل اکثر مسائل دسته‌بندی است، ولی از جمله مهمترین معایب آن می‌توان به این نکته اشاره کرد که این تکنیک به محاسبات پیچیده و زمان‌بر نیاز دارد. به عبارت دیگر، SVM دارای پیچیدگی الگوریتمی بالا است و همچنین نیاز به حافظه زیادی دارد.
بیز ساده‌لوحانه^[۱۰۹]
طبقه‌بندی کننده‌های بیز، روشهایی آماری برای دسته‌بندی هستند. در این الگوریتم‌ها احتمال عضویت داده‌ها در کلاس محاسبه می‌شود. این طبقه‌بندی کننده بر پایه قضیه بیز کار می‌کند. از مزایای آن می‌توان به سرعت و دقت بالای آن‌ اشاره کرد. پس زمانی که مجموعه داده‌ بزرگ باشد، می‌توان از این طبقه‌بندی کننده استفاده کرد.
این الگوریتم احتمال عضویت داده جدید را در هر کلاس محاسبه می‌کند و داده متعلق به کلاسی خواهد بود که بیشترین احتمال عضویت را داشته باشد. در این الگوریتم برای محاسبه احتمال عضویت فرض شده است که ویژگی‌ها از هم‌ مستقل هستند، به‌عبارت دیگر فرض می‌شود بین ویژگی‌ها هیچ هم‌بستگی وجود ندارد. اگرچه این الگوریتم از قدرت دسته‌بندی بالایی برخوردار است ولی گاهی اوقات مفروضات آن ممکن است بر دقت دسته‌بندی اثر منفی داشته باشند.
سیستم‌های چند دسته‌بند
سیستم‌های چند دسته‌بند (MCSs) راه حل قدرتمندی برای مسائل تشخیص الگوی^[۱۱۰] پیچیده هستند. قدرت این سیستم‌ها در اجازه استفاده همزمان از روش‌های دسته‌بند متنوع برای حل یک مسئله خاص است. این سیستم‌ها با ترکیب خروجی مجموعه‌ای از دسته‌بندهای متفاوت سعی در بهبود کارایی و رسیدن به دقت بالاتر را دارند. بطور کلی MCSs شامل گروهی از الگوریتم‌های دسته‌بند متفاوت و همچنین یک تابع تصمیم برای ترکیب خروجی دسته‌بندها است. بنابراین، طراحی چنین سیستمی شامل دو بخش است: طراحی گروه دسته‌بندها و طراحی تابع ترکیب^[۱۱۱] (Ghosh 2002).
در بخش طراحی گروه دسته‌بندها دو ساختار متفاوت قابل اجراست: ساختار موازی^[۱۱۲] و ساختار آبشاری^[۱۱۳] (Ghosh 2002). در شکل ۲-۷ این دو ساختار نمایش داده شده است. همچنین در بخش ترکیب نتایج دسته‌بندها، توابع ترکیب گوناگونی وجود دارد. میانگین و میانگین وزنی، روش های ترکیب غیر خطی و روش انتگرال فازی از جمله روش‌هایی هستند که در این بخش مورد استفاده قرار می‌گیرند. روش‌های ترکیب غیر خطی شامل متدهای رأی گیری، متدهای رتبه دهی و متدهای احتمالی می‌باشد. توضیح کامل روش های ترکیب نتایج دسته‌بندها در (Xu, Krzyzk et al. 1992) و (Ruta and Gabrys 2000)ارائه شده است.
شکل ‏۲‑۷: ساختار گروه دسته‌بندها
ساختار سیستم و همچنین نوع تابع ترکیب مورد استفاده با توجه به مسئله مورد بررسی انتخاب می‌شوند.
الگوریتم ژنتیک
محاسبات تکاملی^[۱۱۴]، بر مبنای تکامل یک جمعیت از جواب‌های کاندید برای حل مسئله‌های بهینه‌سازی با الهام از عملگرهای انتخاب طبیعی توسعه یافته‌اند. الگوریتم ژنتیک^[۱۱۵] با تکیه بر نظریه داروین برای تولید جمعیت بعدی تکامل‌یافته‌تر از فرایند تولید مثل الهام می‌گیرد و کاربرد گسترده‌ای در حل مسائل NP-hard دارد(Mitra and Acharya 2003). این الگوریتم با انتخاب دو عضو تصادفی از میان بهترین‌های جمعیت و انجام عمل تقاطع^[۱۱۶] و جهش^[۱۱۷] و تکرار آن، نسل بعدی جمعیت را تولید می‌کند. برای درک بهتر الگوریتم ژنتیک به تعاریفی نیاز است که به قرار زیر است:

• • ژن: واحد پایه ژنتیک است.

• • کروموزوم: به گروهی از ژن‌ها اطلاق می‌شود. هر عضو از جمعیت یک کروموزون است و معمولا به صورت آرایه پیاده‌سازی می‌شود.

• • تقاطع: عملگری است که بر روی دو کروموزوم انتخاب شده به عنوان والدین اعمال می‌شود برای تولید فرزندان.

• • جهش: عملگری است که بر روی یک فرزند اعمال می‌شود برای تغییر مقدار یک ژن.

آنچه در این میان از اهمیت ویژه‌ای برخردار است نحوه ارزیابی اعضای جمعیت برای تعیین بهترین کروموزوم‌ها است. در الگوریتم ژنتیک این ارزیابی توسط تابعی به عنوان تابع برازندگی^[۱۱۸] انجام می‌شود. تابع برازندگی با توجه به مسئله تعریف می‌شود و به هر یک از اعضای جمعیت مقداری را بر اساس مقادیر ژن‌ها نسبت می‌دهد. مراحل الگوریتم ژنتیک به صورت زیر است:

1. 1. ایجاد جمعیت اولیه بصورت تصادفی

1. 1. محاسبه تابع برازندگی برای هر عضو

1. 1. انتخاب والدین با توجه بر مقادیر تابع برازندگی هر عضو

1. 1. انجام عمل تقاطع و تولید جمعیت فرزندان

1. 1. انجام عمل جهش با احتمالی خاص

1. 1. ایجاد جمعیت جدید

1. 1. اگر شرایط خاتمه برقرار نبود به گام ۲ برگرد در غیر این صورت به گام ۸ برو

1. 1. پایان.

برای هر یک از گام‌های این الگوریتم رویکردهای متفاوتی وجود دارد که این امر موجب شده تا نسخه‌ها و توسعه‌های زیادی از الگوریتم ژنتیک تولید شود و به ابزار قدرتمند برای حل مسائل بهینه‌سازی تبدیل شود.
کاربرد داده‌کاوی در CRM
داده‌های مربوط به مشتریان و تکنولوژی اطلاعات، زیر ساخت‌هایی هستند که هر استراتژی موفق CRM بر پایه آنها ساخته می‌شوند. بعلاوه رشد سریع اینترنت و تکنولوژی‌های مربوط به آن، بصورت گسترده‌ای باعث افزایش فرصت‌های بازاریابی گردیده و روش مدیریت روابط بین شرکت‌ها و مشتریانشان را تغییر داده است.

Output: solution
CSCommunity Organizing;
while (Not Find Solution) do
while find successfully exchange & not find solution
Assignment Exchange Operation Leaders with Leaders).
. if do not successfully exchange in step 3.1. then Assignment Exchang Operation (Leaders with FreeAgents)
. if do not successfully exchange in step
Help by FreeAgents.
if do not successfully exchange in prior steps then do Random Exchange and go to step 1.
حل یک مثال با بهره گرفتن از این الگوریتم
به منظور توصیف بهتر الگوریتم DACA، روند کار این الگوریتم را بر روی مثال کوچکی از مسأله کلاسیک چند-وزیر دنبال می­کنیم. برای سادگی و افزایش تفهیم یک مسأله ۴-وزیر را با بهره گرفتن از این الگوریتم حل می­کنیم. طبق تعریف در ابتدا هر عامل یکی از متغیرهای مسأله را مالک می­ شود. انتخاب مقدار اولیه برای متغیرها به صورت مقادیر تصادفی غیر تکراری توسط عاملها به صورت شکل زیر انجام می­ شود و تلاش برای رسیدن به یک راه حل آغاز می­ شود.

عاملها امتیازشان را بر اساس تابع امتیاز تعریف شده محاسبه می­ کنند، مثلا امتیاز عامل A برابر است با ۲- چون مقدار انتخابی این عامل باعث ایجاد یک تهدید برای عامل B و یک تهدید برای عامل C شده است و همانطور که گفتیم امتیاز هر عامل برابر است با منفی تعداد محدودیتهای نقض شده. عامل A در حین محاسبه امتیازش لیستی از عاملهایی را که مقدارشان با مقدار انتخابیش در تناقض است را نیز به صورت شکل ۴-۲ تهیه می­ کند و اجتماعی از این عاملها به رهبری خودش میسازد. مابقی این عاملها نیز همین کار را به صورت شکل۴-۲ انجام می­ دهند و همه عاملها این اطلاعات جمع آوری کرده اشان را در CSCBOARD به اشتراک می­گذارند تا همه عاملها بتوانند برای مراحل بعدی از آن استفاده کنند.
شکل ۴-۲ مرحله ۱ تا ۴ از الگوریتم DACA، هر عامل یکی از ۴ متغیر A، B، C، D را مالک می­شوند، سپس هر عامل امتیاز خود را محاسبه می­ کند و در این حین ساختار CSCommunity و همچنین رهبر ها مشخص می­شوند.
حال هر یک از عاملها سعی می­ کنند امتیازشان را به صفر کاهش دهند، برای عملیات تعویض انتساب هر رهبر، مقدار انتخابی توسط رهبرهای دیگر راچک می­ کند. رهبر A تشخیص می­دهد که D یک مورد مناسب برای تعویض مقدار انتسابی اش با آن است. پس A یک پیام “درخواست تعویض مقدار”^[۱۴۶] به عامل D می­فرستد. عامل D قبل از پاسخ دادن به این درخواست، این تعویض را ارزیابی می­ کند که ببیند این تعویض چه تأثیری بر روی امتیاز خود و اعضای اجتماعش خواهد گذاشت. عامل D این تعویض را مناسب می­بیند و موافقتش را برای این تعویض با یک پیام به A اطلاع می­دهد و تعویض به صورت شکل ۴-۳ انجام می­پذیرد. این تعویض موجب می­ شود که امتیاز عاملهای A و D به صفر برسد و همچنین بهبودی در امتیاز اعضای اجتماعشان به وجود آید. این دو عامل پس از به روز رسانی امتیاز خود و اعضای اجتماعشان به لیست عاملهای آزاد اضافه می­شوند و اجتماعشان نیز از بین می­رود. با ثبت این اتفاق در CSCBOARD، رهبرهای دیگر نیز از مقادیر جدید انتسابی A و D مطلع شده و اگر لازم دیدند تغییراتی را در ساختار اجتماعشان ایجاد می­ کنند. مثلا B، عاملهای A و D را از لیست اعضای اجتماعش حذف می­ کند و همچنین امتیازش را نیز به روز رسانی می­ کند. بعد از انجام این مرحله CSCBOARD به صورت شکل ۴-۳ خواهد بود.
شکل ۴-۳ مرحله ۵ از الگوریتم DACA، عملیات تعویض انتساب بین عاملهای A وD اتفاق افتاده است، امتیاز A و D به صفر می­رسد عاملهای دیگر نیز به محض اطلاع از این تعویض امتیازشان را بروزرسانی می­ کنند، A و D به لیست عاملهای آزاد اضافه می­شوند و اجتماعشان نیز از بین می­رود.
در مرحله بعد عامل B سعی می­ کند امتیازش را به صفر برساند، ابتدا با بررسی تنها رهبر باقیمانده یعنی C متوجه می­ شود که تعویض مقدار انتسابی با C هیچ سودی برایش ندارد پس به سراغ عاملهای آزاد می­رود. با یک تعویض موفقیت آمیز بین B و A در نهایت این الگوریتم خاتمه می­یابد در حالیکه یک راه حل به صورت شکل۴-۴ یافته شده است.
شکل ۴-۴ مرحله پایانی الگوریتم DACA، بایک تعویض انتساب موفقیت آمیز بین B و A امتیاز همه عاملها صفر می­ شود و الگوریتم با یک راه حل قانونی خاتمه می­یابد.

ارزیابی و مقایسه الگوریتم ما با دیگر روشها
ما به منظور ارزیابی و تست کارآیی این الگوریتم از محک کلاسیک n-وزیر استفاده کرده ایم. این الگوریتم با مسائل ۴-وزیر تا ۱۰^۴-وزیر تست شد و مشاهده کردیم که DACA قادر به یافتن یک راه حل برای تمامی حالتهای این طیف گسترده در یک مدت زمان منطقی است. شکل ۴-۵ میانگین زمان اجرای این الگوریتم را با افزایش مقیاس مسأله با گامهای ۵۰ تایی نشان می­دهد. این نمودار گویای این واقعیت است که الگوریتم ما یک پیچیدگی تقریبا خطی را با افزایش مقیاس مسأله دارد، این درحالیست که پیچیدگی زمانی یک الگوریتم همانند ABT یک رشد نمایی را با افزایش مقیاس مسأله طی خواهد کرد تا بدانجایی که قادر به حل مسائل با مقیاس اندکی بزرگ در یک مدت زمان منطقی نخواهد بود. این آزمایش بر روی یک سیستم با مشخصات: ۲٫۱۶GHz Core™ 2 Due PC with 2GB RAM. انجام شده است.
شکل ۴-۵ میانگین زمان اجرای الگوریتم DACA در اجرای مسأله با افزایش n-وزیر از ۴ تا ۱۰^۴ در گامهای ۵۰ تایی.
در مرحله بعدی آزمایشات، ما مقایسه ای از لحاظ تعداد سیکلهای مورد نیاز تا رسیدن به جواب برای حل مسأله n-وزیر بین الگوریتم DACA و دو الگوریتم دیگر یعنی ABT و asynchronous backtracking with min-conflict heuristic خواهیم داشت. نتیجه این آزمایش که در جدول۴-۱ آمده است حاکی از آن است که روش پیشنهادی ما در این مورد بسیار بهتر از دو روش دیگر عمل می­ کند.
جدول۴-۱: مقایسه الگوریتم پیشنهادی ما با دو روش دیگر از لحاظ تعداد سیکلهای مورد نیاز برای حل

پشت پنجره / در شرم دیلمان / که متانت جنگلش بر خاک می‌ریزد/ باتو می‌گریم / در پیراهنی از باران (همان:۳۴)
دستی از من / در آغوش آب / دستی، دور گردن باران است (همان:۱۱۲)
زیرا من / گیج این پارچه‌ای بودم / و لب ریز چشم گل سرخ / زیرا به نجابت نور می‌مانی / به غرور کشیده‌ی باران (همان:۲۰۸)
۴-۱-۱-۳ سطح فکری philosophical level
بررسی سطح فکری هر اثر از یک نظر حساس­تراز سطوح دیگر است، زیرا سطح فکری هر اثر واکنش‌های صریح‌تری نسبت به سبک و روش‌های دیگر نشان می‌دهد. سطح فکری، کیفیت آثار ادبی را می‌سازد. نبوغ فردی ، نوع نگرش و تلقّی شاعر از محیط، اجتماع، سنّت‌های زبانی و ادبی بر اساس سطح فکری و اندیشگانی شاعر رقم می‌خورد. نوع عاطفه و نگرش شاعر به جهان، می‌تواند در گزینش واژه‌ها و مفاهیم، ساخت استعاره و تشبیه و شکل گیری مفاهیم کلی و جزیی موثّر باشد بنابراین اگر چه توجّه به سطح فکری نوعی عدول از سبک شناسی های ساخت گرا و شکل گرایانه است اما نمی‌توان به آن چنان اهمیت داد تا محتوا از دست برود زیرا شکل و فرم ، ماهیت خود را از عاطفه و اندیشه می‌گیرد به عنوان مثال اگر شاعری مرگ اندیش باشد بی گمان در نوع ساخت ادبی اثرش موثّراست، در مقابل اگر شاعری شادی گرا باشد مفاهیم دیگری در اثرش شکل می‌گیرد که به تبع آن، برساخت‌های ادبی و زبان تأثیر گذار است .

در بررسی یک اثر از لحاظ فکری مسائلی مطرح می‌شود مثل : «آیا اثر درون گرا و ذهنی (subjective) است یا برون­گرا و عینی (objective)؟ با بیرون و سطح پدیده‌ها تماس دارد و یا به درون و عمق پرداخته است؟ شادی گراست یا غم گرا؟ خردگراست یا عشق گرا (عرفانی)؟ چه فکر خاصی را تبلیغ می‌کند؟» (شمیسا، ۱۳۷۲ : ۱۵۷- ۱۵۶). نویسنده بدبین است یا خوش بین؟ تلقی او نسبت به مباحث مرگ، زندگی، عشق و جهان چگونه است؟
۴-۱-۱-۳ -۱ جهان بینی اشعار نجدی
دید تازه‌ی بیژن نجدی به طبیعت، انسان‌ها، اشیا و دنیای اطرافش به نحو برجسته‌ای با تجربه‌های شخصی او عجین شده و ایجاد تصاویری کرده که از ذهن خلّاقش خبر می‌دهد. او در حالی که کاملاً هشیارانه پیرامونش را مدنظر گرفته به کشف ارتباط‌های پنهان عناصر می‌پردازد. در حقیقت میان تصاویری که در ذهن او نقش می‌بندد و تصاویر واقعی نمی‌توان حد فاصلی قائل شد. نجدی برای ساخت تصاویر، دخل و تصرّفی در حقیقت امور نکرده، بلکه در پر رنگ نشان دادن زوایای مختلف تصاویری کوشیده که در مقابل چشم همه حضور دارند اما کمتر به آنها توجهی شده است. در فضای اشعار نجدی ،همواره موقعیت درون متن فضای بیرون را تازه و گرم نگه می‌دارد و در آن آدم‌ها، حضوری جدّی و محوری دارند، از طرفی عناصر زبانی و حسّ شاعرانگی، دستمایه ی دیگری است که نجدی را به ایستگاه‌های تازه‌ای از دغدغه‌های انسان می‌کشاند .گاهی نیز او با ارائه‌ ساختاری غیرمتعارف و در آمیختن واقعیت و تخیل، مخاطب را سرگردان و بهت زده از ابتدا به انتها و از انتها به ابتدا می‌فرستد تا همواره درجست و جوی حقیقتی موهوم و دست نیافتنی باشد.
نگرش بیژن نجدی به جهان همچون دیدگاه رئالیست، سوررئالیست و پست مدرن به جهان اطراف است و بیشتر اشعارش مخصوصاً در داستان‌هایش از این سه شیوه نشأت گرفته است .از مواد مرام نامه‌ی سوررئالیسم به خوبی می‌توان دریافت که بنیان گذاران این مکتب، در اندیشه‌ی رهایی انسان از هر نوع اسارت بوده‌اند و همچنین متذکر می‌شود که دو حالت ظاهراً متناقض، رؤیا و واقعیت در آینده به یک نوع واقعیت مطلق – یک فرا واقعیت – مبدّل خواهند شد. نجدی به این اصول کاملاً واقف بوده و خود را از جهان اطرافش جدا نمی‌داند. او با به کارگیری مظاهر طبیعت با بسامد بالا، دید مثبت خود را نسبت به جهان ابراز می‌دارد مظاهری همچون آب، زمین، خاک، درخت، برگ، دریا، رود، گل و…که در آثار نجدی می‌درخشند نشان از واقع گرایی دارند و دیدگاه او به جهان و طبیعت.
مه / جنگل / رودخانه می‌آید / با درختی افتاده روی آب (نجدی،۸۰:۱۳۸۰)
قلعه‌ای که در خیال بافی ماهی‌هاست / آب است و آفتاب آبی درون آب (همان:۶۸)
می‌دانیم بر نصف‌النهار خشک / پشت به باران رنجیده از من و تو / و درختانی که برگ برگردانده‌اند از ما (همان:۱۴۱)
قطار و ترن / و رود و رودخانه و دریاچه‌ها و آب / رؤیای ماهی نیست (همان:۱۴۲)
بر زمین/ بر خاک مزرعه/ من پوستم را در وسوسه‌ی روییدن برنج/ مثل آب ریختم (همان:۱۶۸)
درخت می‌کارم/ زمینش می‌دهد ریشه / بهارش، برگ / و برهنه‌اش می‌کند پاییز (همان:۱۸۹)
۴-۱-۱-۳-۲ زمان و جلوه های آن در اشعار نجدی
سال، ماه، هفته و روز کمیت‌های زمان را و پیری، جوانی، ایّام و عمر، کمیت و کیفیت زمان را مدنظر قرار می‌دهند. پیکان زمان به سوی آینده است و آینده همان شماره‌ی معکوس به سوی مرگ است. حضور زمان در لحظات سه‌گانۀ گذشته، حال و آینده، انسان را همیشه در سه عرصه قرار می‌دهد:
گذشته، همان حافظه است و حال، امکانی است که هر لحظه به گذشته تبدیل می‌شود و آینده پیمانی است که انسان با مرگ می‌بندد. گذشته، حال و آینده، اگرچه به ظاهر نمی‌توانند در انسان با هم ظهور یابند، امّا در حوزه‌ی روان و تخیّل می‌توانند در کنار هم قرار گیرند. تحوّل و تأثیر زمان در اشعار نجدی، خود را در کلمات و واژگانی گسترده نشان می‌دهد.تلفیق فضای رئالیستی و سوررئالیستی در آثار او آنچنان درهم و با هم است که منجر به ایجاد نوع و گونه‌ی خاص خود می‌شود. گسست های زمانی و مکانی، برگشت های ناگهانی و درهم به فضا و اتمسفر قبلی، وهم آلودگی اثر و … باعث شده که با هر بار خواندن آن، دنیایی نو و تازه پیش روی ما قرار گیرد. پرسوناژهایی که در گذشته و آینده در نوسان اند و با زمان حال در جدال؛ جدالی خاموش و بی صدا. نجدی در آثار خود به جزئیات اهمیت ویژه‌ای می‌دهد و همان اجزا را آن قدر بزرگ و پررنگ و محکم تصویر می‌کند که به کلّیتی تام در اثر بدل می‌گردد . نجدی به فرهنگ عامه، رسوم و مراسم کهن منطقه‌ای_ ایرانی نیز نظر داشته و در آثارش از آن بهره جسته و بر آن تأکید دارد. او در پی ادبیات بومی_اقلیمی نیست، اما رنگ و بوی منطقه‌ی جغرافیایی خود را در اثرش گنجانیده و با آن پیش می‌رود.
توفیق بیژن نجدی در تصویر سازی را می‌توان ناشی از دارا بودن احساس لطیف و کنجکاو، علاقه و عشق وافر به طبیعت و اشیای اطرافش، قدرت برقراری ارتباط بین زبان روزمره و زبان لطیف طبیعت و توانایی نزدیک کردن محتوا و ساختار در جهت ارائه‌ تصاویر بهتر دانست و با تعمّق بیشتر می‌توان دریافت که اغلب تصاویری که در وهله‌ی نخست بسیار بدیع و بکر به نظر می‌رسند و مخاطب را متحیّر می‌کنند بر مبنای صناعات ادبی شناخته شده‌ی زبان فارسی ساخته شده‌اند گرچه نباید این نکته را نادیده بگیریم که نجدی برای ساخت تصویر، صناعات ادبی را از زاویه‌ی تازه مورد استفاده قرار داده و فنون کهن ادبی را با نگاهی نو به کار گرفته است . در حقیقت می‌توان گفت او دید تازه‌ای نسبت به محیط پیرامونش داشته که همراه نگاه کنجکاو و جستجوگرش منجر به کشف ارتباط‌های موجود، اما پنهان از نظرها شده وبا استفاده‌ی دیگرگونه از فنون و صنایع ادبی تصاویری خاص و به یاد ماندنی آفریده است. نجدی گذر زمان را به اشکال مختلف ماه، سال، پیری، جوانی، کودکی و مرگ در اشعار خود گنجانده و آنها را باور دارد و به نوعی با اشعارش عجین و سرشته شده‌اند. او به زندگی بعد از مرگ نیز یقین و باور دارد و آن را جزء لاینفک زندگی خویش می‌داند. در شعر زیر که وصیت نامه‌ی او نیز محسوب می‌شود ناب بودن اندیشه و کلام او را درک می‌کنیم.
«وصیت»
نیمی از سنگ‌ها، صخره‌ها، کوهستان را گذاشته‌ام
با درّه‌هایش، پیاله‌های شیر
به خاطر پسرم
نیم دیگر کوهستان، وقف باران است
دریایی آبی و آرام را
با فانوس روشن دریایی
می‌بخشم به همسرم.
شب‌های دریا را
بی آرام و بی آبی
با دل شوره‌های فانوس دریایی
به دوستان دور در دوران سربازی
که حالا پیر شده‌اند.
رودخانه که می‌گذرد زیر پل
مال تو
دختر پوست کشیده من بر استخوان بلور
که آب پیراهنت شود تمام تابستان
هر مزرعه و درخت
کشتزار و علف را
به کویر بدهید، ششدانگ
به دانه‌های شن، زیر آفتاب
از صدای سه تار من
سبزسبز پاره‌های گلاب و گذاشته‌ام
روی رف
یک سهم به مثنوی
دو سهم به «نی» بدهید
و می‌بخشم به پرندگان
رنگ‌ها، کاشی‌ها، گنبدها
به یوزپلنگانی که با من دویده‌اند
غار و قندیل‌های آهک و تنهایی
و بوی باغچه را
به فصل‌هایی که می‌آیند
بعد از من

شاید بتوان تاریخچه ظهور مباحث مرتبط با CRM را در سه دوره زیر خلاصه نمود:
الف ). دوره انقلاب صنعتی (تولید دستی تا تولید انبوه ).:
ابتکارات فورد در به کارگیری روش تولید انبوه به جای روش تولید دستی، یکی از مهمترین شاخص‌های این دوره است هر چند تغییر شیوه تولید باعث شد که محدوده انتخاب مشتریان از نظر مشخصه‌ های محصول کاهش یابد (نسبت به تولیدات صنایع دستی ).، اما محصولات تولید شده به روش جدید از قیمت تمام شده پایین‌تری برخوردار شدند؛ به عبارتی دیگر، در انتخاب روش تولید انبوه از سوی فورد، افزایش کارایی و صرفه اقتصادی مهمترین اهداف پیش‌بینی شده بودند
ب ). دوره انقلاب کیفیت (تولید انبوه تا بهبود مستمر ).:
این دوره همزمان با ابتکار شرکت‌های ژاپنی مبنی بر بهبود مستمر فرایندها آغاز شد؛ این امر به نوبۀ خود به تولید کم‌هزینه‌تر و با کیفیت‌تر محصولات منجر ‌شد با مطرح شدن روش‌هایی نوین مدیریت کیفیت مانند TQM ، این دوره به اوج خود رسید، اما با افزایش تعداد شرکت‌های حاضر در عرصه رقابتی و گسترش فرهنگ حفظ و بهبود کیفیت محصول (از طریق ابزارهای مختلف کیفیتی ).، دیگر این مزیت رقابتی برای شرکت‌های پیشرو کارساز نبود و لزوم یافتن راه‌های جدیدی برای حفظ مزیت رقابتی احساس می‌شد .(همان)

ج ). دوره انقلاب مشتری (بهبود مستمر تا سفارش‌سازی انبوه ).:
در این دوره با توجه به افزایش توقع مشتریان، تولیدکنندگان ملزم شدند محصولات خود را با هزینه کم، کیفیت بالا و تنوع زیاد تولید کنند؛ به معنای دیگر، تولیدکنندگان مجبور بودند توجه خود را از تولید صرف به یافتن راه‌هایی برای جلب رضایت و حفظ مشتریان سابق خود معطوف نمایند
به طور کلی دوره تکامل CRM به سه فاز تقسیم می شود(تارخ ، یزدانی فرد، مهربان، ۱۳۹۱، ص ۹۵).
د) پیش از مرحله تجارت الکترونیک
شرکت ها عمدتا از تلفن و فکس به‌عنوان کانال های مهم ارتباط با مشنری استفاده می کردند ظهور کسب و کار الکترونیک که نقش مهمی را در وارد کردن CRM و پیشخوان سازمان ایفا نمود، با افزایش رقابت و نیاز مشتریان به پاسخگویی سریع و ارائه خدکات منحصر به فرد به آنان شرکت ها شروع به پرداختن به جنبه های مختلف مدیریت ارتباط با مشتری در توسعه سازمان نمودند (الهی و حیدری ۱۳۷۸، ص ۲۶ ).
ه) دوره پیش از کسب و کار الکترونیک
در این دوره پست الکترونیک و وبسایت ها به‌عنوان کانال های بزرگ ارتباط با مشتری علاوه بر تلفن و فکس موزد استفاده سازمان ها قرار گرفتند سیستم های مدیریت ارتباط با مشتری در این مرحله با ابزارهای موجود در پیشخوان سازمان وتعاملات موجود در وبسایت ها شکل گرفتند و مشکل موجود در این مرحله یکپارچگی کانال های مختلف ارتباط با مشتری بود رویکردهای مجزا منجر به ایجاد نقاط برخورد مجزای مشتری شده و موجب ناتوانی در ردیابی اطلاعات و فعالیت های مشتری در کانال های ارتباطی چندگانه گردید (همان منبع ).
و) مرحله رشد کسب و کار الکترونیک
با رشد کسب و کار الکترونیک سیستم CRM به جای حرکت به سمت ابزارهای کاربردی ساده به سمت سطوح استراتژیک سازمان حرکت کردند در این مرحله سازمان ها از سیستم های CRM به‌عنوان ابزار توسعه سازمانی در جهت رسیدن به تعاملات منحصر به فرد با مشتری در کلیه کانال های ارتباطی استفاده کردند سیستم های CRM با گردآوری اطلاعات مشتریان از طریق کانال های چندگانه، شخصی سازی خدمات ارائه به مشتریان را میسر می سازد سیستم CRM با هدف ترکیب فعالیت های پیشخوان سازمان می تواند با سیستم های برنامه ریزی منابع سازمان (ERP ). و مدیریت زنجیره تامین (SCM ). و نیز ابزارهای تحت وب یکپارچه شوند (طاهرپور کلانتری و طیبی طلوع،۱۳۸۹ ، ص ۱۱۷).
۲-۲-۶- ابعاد وعناصر CRM
سین، تسه و ییم ( ۲۶ ). عناصر CRM را به شرح ذیل بر میشمارند
۱-بعد نخست، تمرکز بر مشتریان کلیدی: شامل تمرکز گسترده بر مشتری اصلی و تحویل مستمر ارزش افزوده و برتر به مشتریان کلیدی منتخب از طریق عرضه های شخصی شده و دلخواه است این بعد شامل:
بازاریابی مشتری اصلی
شناخت ارزش دورهی عمر مشتری کلیدی؛
سفارشی سازی (شخصی سازی ).
بازاریابی تعاملی خلق مجدد
۲-بعد دوم، سازمان :CRM CRM ضرورتاً به معنی تغییرات اساسی در روش سازماندهی و فرایندهای کسب وکار شرکت هاست شرکت ها باید به چالش های اصلی سازمان در رابطه با شروع و آغاز CRM توجه بیشتری داشته باشند این بعد شامل:
ساختار سازمانی
الزام منابع سطح سازمان
مدیریت منابع انسانی
۳-بعد سوم، مدیریت دانش: طبق دیدگاه مبتنی بر دانش شرکت، منطق اصلی برای وجود یک شرکت، ایجاد، انتقال وکاربرد دانش است، از دیدگاه مدیریت ارتباط با مشتری، دانش میتواند به آنچه که از تجربه یا مطالعه عملی داده مشتری یادگرفته شده است، اطلاق شود این بعد شامل:
یادگیری و ایجاد، دانش
انتشار و به اشتراک گذاری دانش؛
پاسخگویی دانش (همان ).
۴-بعد چهارم CRM مبتنی بر فناوری:داده مشتری دقیق، برای عملکرد موفقیت آمیز CRM حیاتی است و در نتیجه، فناوری نقش مهمی در CRMو در افزایش هوشمندی شرکت بازی میکند
قانون پاره تو: ۸۰ درصد درآمد و سود یک شرکت به وسیله ۲۰ درصد مشتریان آن تأمین می شود، لذا این مشتریان برای شرکت از اهمیت ویژه ای برخوردارند و برای خدمت‌رسانی به این مشتریان باید سازماندهی شرکت به نحوی باشد که بتواند تمام منابع خود را دربرای کسب رضایت آنها بسیج کند و از طرف دیگر این امر مستلزم مدیریت اطلاعات مشتریان و شناخت مطلوب آنهاست(مدیریت دانش ). و تمام این فرایند بدون وجود فناوری عملی نخواهد بود (طاهرپور کلانتری و طیبی طلوع،۱۳۸۹ ، ص ۱۲۰).
۲-۲-۷- اهداف CRM از دیدگاه های مختلف
شناخت اهداف مدیریت ارتباط با مشتری می تواند سازمان ها را در حرکت به سمت CRM شناسایی عوامل موثر بر توفیق آن یاری رساند همانطور که ذکر گردید افراد با توجه به دیدگاه های متفاوتی که از CRM دارند به تعاریف متفاوتی از آن پرداخته اند، این موضوع در برشمردن اهداف CRM نیز ملاحظه می شود و اهداف متفاوتی با توجه به دیدگاه های متفاوت وجود دارد در جدول شماره ۱ اهداف مدیریت ارتباط با مشتری از نقطه نظرهای گوناگون مورد بررسی قرار گرفته است به طور کلی، هدف از CRM بدست آوردن یک مزیت رقابتی در مدیریت مشتری و در نهایت افزایش سطح سودآوری می باشد ( هادی زاده مقدم و رامین مهر و حاج مقامی،۱۳۸۹ ، ص ۳).
۲-۲-۷-۱ اهداف CRM از دیدگاه بارنت
بارنت در سال ۲۰۱۱ تصزیح می کند که اهداف CRM را عموما می توان در سه گروه صرفه جوی در هزینه ها، افزایش در آمد، و اثرات استراتژیک قرارداد وی اذعان می دارد که اهداف زیر برای سازمانی که CRM را اجرا می کند منطقی به نظر می آید (الهی و حیدری ۱۳۷۸ ، ص ۲۶).
افزایش درآمد حاصله از فروش
بهبود میزان موفقیت
افزایش میزان رضایت مشتریان
کاهش هزینه های اداری بازاریابی و هزینه های عمومی فروش
۲-۲-۷-۲ اهداف CRM از نقطه نظر نول
نول^۱ در سال ۲۰۰۰ بیان داشت که کلید CRM شناسایی چیزهایی است که برای مشتریان ایجاد ارزش کرده، سپس ارائه آنهاست در این دیدگاه درحالی که مشتریان دارای نگرش های مختلفی به ارزش هستند روش های بسیاری برای ارضای هر کدام از آنها وجود دارد بنابراین اهداف CRMعبارتند از: (الهی و حیدری ۱۳۷۸ ، ص ۲۷).
شناسایی ارزش های خاص هر بخش از مشتریان
درک اهمیت نسبی آن نیازها برای هر بخش مشتری
تعیین اینکه آیا ارائه چنین ارزش هایی به شیوه مثبت اثرگذار خواهد بود یا خیر
ارتباط دادن و ارائه ارزش های متناسب هر مشتری به شیوه ای آنها بخواهند اطلاعات را دریافت کنند
اندازه گیری نایج و اثبات بازده سرمایه گذاری