محسن شفیعی - دانشجویکارشناسی ارشد گروه علمی مهندسی کامپیوتر وفناوری اطلاعات تهر
رضا منصفی - دانشگاه فردوسی مشهد عضو هیئت علمی

با توجه به ماهیت الگوریتم های فرامکاشفه ای و وابستگی مستقیم آنها به انتخاب اولیه انجام شده درتمامی این الگوریتم ها که بصورت تصادفی انجام می شود اهمیت جهت دهی درست به این انتخاب بسیار مشهود است درمقابل خاصیت مهموذاتی الگوریتم های فرامکاشفه ای مبتنی برهمین انتخاب تصادفی استوار است لذا هدایت بیش از حد این انتخاب تصادفی ممکن است به ماهیت فرامکاشفه ای الگوریتم آسیب مستقیم وارد کند به همین منظور به واسطه بهینه سازی تنها باید به اصلاحات جزئی از جمله حذف اختلال NOISE و روشهای مشابه بسنده کرد دراین مقاله با استفاده از یک روش جدید و استفاده از الگوریتم K-means به حذف اختلال در داده های ورودی پرداخته و سپس به بررسی بهینگی حاصل درنتیجه الگوریتم ACO خواهیم رسید.

الگوریتم ACO، انتخاب ویژگی، روشهای فرامکاشفه ای، حذف اختلال