جابر پورسلیمان - دانشجوی کارشناسی ارشد مهندسی کامپیوتر-هوش مصنوعی، دانشگاه بین المللی امام رضا ع
محمدباقر منهاج - استاد گروه مهندسی برق، دانشگاه صنعتی امیرکبیر
سپیده سلطانی فهرج - کارشناسی ارشد مهندسی کامپیوتر-هوش مصنوعی، دانشگاه بین المللی امام رضا (ع)
منیره هوشمند - استادیار گروه مهندسی برق، دانشگاه بین المللی امام رضا (ع)

در این مقاله، یک روش خوشه بندی خودکار فازی مبتنی بر یک نسخه ی اصلاح شده از الگوریتم بهینه سازی تولیدمثل غیرجنسی (MARO) پیشنهاد می شود. ایده ی کروموزوم های طول متغیر به الگوریتم MARO اعمال می شود و الگوریتم جدید، بهینه سازی تولیدمثل غیرجنسی اصلاح-شده ی با طول کروموزوم متغیر (VMARO) نامیده می شود. استفاده از VMARO درروش خوشه بندی فازی C-Means، رمزگذاری تعداد متغیری از خوشه ها را فراهم می سازد. نتایج شبیه سازی نشان می دهد که الگوریتم VMARO-FCM قادر به کشف خودکار تعداد خوشه ها بدون یک آگاهی قبلی با استفاده از یک شاخص اعتبار به عنوان یک تابع هدف و پیدا کردن پارتیشن بندی فازی مناسب برای مجموعه داده های در نظر گرفته شده هستند. همچنین، عملکرد الگوریتم پیشنهادی با خوشه بندی فازی C-Means مبتنی بر الگوریتم کلونی زنبور مصنوعی طول رشته متغیر (VABC-FCM) که نسبت به سایر الگوریتم های قبل از خود موفق تر عمل کرده است، مورد مقایسه قرار می گیرد. نتایج نشان می دهد که الگوریتم پیشنهادی بر الگوریتم VABC-FCM در اکثر موارد غلبه می کند

بهینه سازی تولیدمثل غیرجنسی، بهینه سازی تولیدمثل غیرجنسی اصلاح شده با طول کروموزوم متغیر، خوشه بندی خودکار، فازی C-Means