نفیسه ایمانیان - دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
فرهاد محمد ملکی - دانشجوی دکتری علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
محمد ابراهیم شیر - عضو هیئت علمی، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر

خوشه بندی یکی از روش های مهم در زمینه تحلیل داده ها است. در خوشه بندی داده ها به گروه های با معنی تقسیم می شون. در این مقاله یک روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها ارائه شده است. الگوریتم کلونی زنبور عسل، یکی از روش های جدید بهینه سازی تصادفی است که از رفتار جمعی زنبورهای عسل، الهام گرفته شده است. یکی از مشکلات الگوریتم کلاسیک زنبور عسل دیر همگرا شدن و گیر افتادن در بهینه محلی است. در این مقاله یک الگوریتم جدید مبتنی بر کلونی زنبور عسل برای مسئله خوشه بندی داده ها پیشنهاد شده است. کارایی الگوریتم پیشنهادی بر روی مجموعه داده ه ای پایگاه UCI مورد ارزیابی قرار گرفته شده است. نتایج به دست آمده از آزمایشات نشان دهنده بهبود عملکرد این الگوریتم در مقایسه با الگوریتم کلاسیک زنبور عسل و الگوریتم k-means است

خوشه بندی، الگوریتم بهبود یافته کلونی زنبور عسل، الگوریتم کلونی زنبور عسل، الگوریتم شبیه سازی تبرید، جستجوی محلی، جستجوی سراسری