حدیث جالسیان - دانشجوی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد مشهد
مهدی یعقوبی - استادیار گروه برق دانشکده فنی مهندسی دانشگاه آزاد اسلامی واحد مشهد

امروزه دسته بندی داده ها یکی از پر کاربردترین زمینه های مطالعاتی در رشته های گوناگونی نظیر مهندسی، پزشکی، بیولوژی و داده کاوی می باشد. روش های تکاملی از قبیل ذرات، ژنتیک و رقابت استعماری و ترکیب آنها نیز برای حل اینگونه مسائل بکار می روند. در این مقاله به معرفی سیاست جذب جدیدی پرداخته می شود که برای مسائل خوشه بندی بسیار مفید است. در الگوریتم رقابت استعماری ، راه حل کاندید جدید با حرکت راه حل قدیمی بسمت یکی از امپراطوری های انتخاب شده با یک شعاع یکنواخت، تولید می شود. این روش حذب باعث می شود الگوریتم بخوبی از عهده استخراج برنیاید. هدف از این تحقیق معرفی سیاست جذبی است که بتواند بخوبی از عهده خوشه بندی مسائل مختلف برآید. هدف آن است که تاریخچه ی حرکت هر مستعمره، روش حرکت کنونی اش را تعیین کند. سیاست جذب شامل ترکیب استراتژی Kmeans و Pivot است . الگوریتم رقابت استعماری جدید روی 5 پایگاه داده مورد بررسی قرار گرفته اند و نتایج مطلوبی را شامل شده اند.

خوشه بندی، الگوریتم رقابت استعماری، استخراج، اکتشاف، سیاست جذب، Kmeans