اسراء موسوی - دانشجوی دکتری علوم کامپیوتر دانشگاه یزد
سیدابوالفضل شاهزاده فاضلی - عضو هیات علمی بخش علوم کامپیوتر دانشکده علوم ریاضی، دانشگاه یزد.
الهام عباسی هرفته - عضو هیات علمی بخش علوم کامپیوتر دانشکده علوم ریاضی دانشگاه یزد.
فاطمه کاوه یزدی - دکتری مهندسی کامپیوتر دانشگاه یزد.

با توجه به این که امروزه داده ها اغلب به صورت داده های انبوه هستند. برای استخراج الگو و کشف اطلاعات از این داده ها الگوریتم های متعددی مورد استفاده قرار گرفته است. یکی از پرکاربردترین این تکنیک ها، الگوریتم های خوشه بندی است. از معروف ترین روشهای خوشه بندی الگوریتم میانگین است برای اینکه این روش عملکرد مناسبی داشته باشد دو نکته را باید در نظر گرفت انتخاب مراکز اولیه مناسب به طوری که خوشه های مناسب را به دست آورد و نکته بعدی جلوگیری از قرار گرفتن در نقاط بهینه محلی است. الگوریتم های فرا ابتکاری الگوریتم های بهینه سازی تقریبی هستند که راه حلهایی را برای خروج از بهینه محلی ارائه میدهند و ممکن است برای کاهش مشکلات فوق اعمال شوند. در این مقاله یک رویکرد ترکیبی برای خوشه بندی داده ها با استفاده از الگوریتم : میانگین و الگوریتم بهینه سازی فرا ابتکاری بنام الگوریتم غزال کوهستان پیشنهاد شده است. نتایج و بررسی ها نشان می دهد الگوریتم پیشنهادی به شکل مطلوبی خوشه بندی را انجام می دهد.

خوشه بندی الگوریتم بهینه سازی فرا ابتکاری بهینه ساز غزال کوهستان