فاطمه حسین پورجاجرم - دانشآموخته کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
مهرداد جلالی - استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران

خوشه بندی، یکی از شاخه های یادگیری بدون نظارت می باشد که طی آن، نمونه ها به دسته هایی با اعضای مشابه تقسیممی شوند. در این تحقیق روشی برای خوشه بندی خودکار، بدون نیاز به حدس اولیه برای تعداد خوشه ها و تحصیل خودکارتعداد بهینه ی خوشه ها ارایه شده است. الگوریتم کلونی زنبور مصنوعی، روش بهینه سازی مبتنی بر هوش جمعی میباشد.این الگوریتم محدودیت هایی در جستجوی فضای پاسخ و تولید جمعیت اولیه کارا دارد و از نکات مورد توجه آن ایجادجمعیت اولیه مناسب و گسترش یافته در فضای مسیله است. طرح ارایه شده برای رسیدن به این مهم از روش آشوبناکمبتنی بر تناقض جهت تولید یک جمعیت اولیه با گستردگی قابل قبول در فضای مسیله استفاده می کند و با برقراری تعادلبین پارامترهای اکتشاف و استخراج که در یک جستجوی کارآمد نقش به سزایی ایفا میکنند، سعی در بهبود عملکردالگوریتم خوشه بندی خواهد داشت. این تعادل با استفاده از اعمال یک روش جستجوی محلی برای افزایش قدرت استخراجالگوریتم استاندارد کلونی زنبور مصنوعی برقرار شده است. نتایج آزمایش ها نشان می دهد که روش پیشنهادی در رسیدنبه جواب بهینه سراسری از کیفیت قابل قبولی برخوردار است چنانچه به عنوان مثال در دیتاست چالشی vowel نتایجبدست آمده نسبت به روشهای مورد مقایسه تا 43 / 14 درصد بهبود داشته است.

الگوریتم کلونی زنبور عسل، بهینه سازی، خوشه بندی خودکار، داده کاوی، هوش جمعی