امیر اسماعیل زاده - دانشکده مهندسی کامپیوتر، دانشگاه آزاد قزوین
محمدرضا میبدی - دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر

امروزه خوشهبندی یکی از مسائل مهم و پر کاربرد در زمینه های گوناگون میباشد. اکثر الگوریت مهای موجود از روشهای سنتی استفاده میکنند که در برخی موارد از دقت و کارایی لازم برخوردارنمیباشند. این مقاله به بررسی و ارائه راهکاری مبتنی بر اتوماتاهای یادگیر در خوشه بندی مورچه فازی دادهها، جهت کاهش خطا و افزایش کارایی میپردازد. در این مقاله یک الگوریتم جدید مبتنی بر اتوماتاهای یادگیر سلولی برای خوشهبندی بهتر دادهها از طریق یافتن مقادیر مناسب معیارهای خوشهبندی مورچه-فاری ارائه م یگردد . برای این منظور مجموعهای از اتوماتاهای یادگیر سلولی با همدیگر برای یافتن مقادیر مناسب معیارهایی خوشهبندی مورچه-فازی همکاری مینمایند. در این مجموعه در هر مرحله اتوماتاهای یادگیر فعال شده و سپس هر یک از آنها یکی از اعمال خود را که همان انتخاب یکی از مقادیر مناسب میباشد انتخاب میکنند. اعمال انتخاب شده اجرا و با توجه به نتیجه اعمال آنها پاداش یا جریمه به آنها تعلق میگیرد . الگوریتم پیشنهاد شده سعی میکند تا مناسب ترین مقدار را برای معیارهای خوشه بندی مورچه- فازی که دارای حداقل خطا در خوشه بندی می باشند را پیدا کند تا خوشهبندی با دقت بالاتر و خطای کمتری انجام گیرد . روش پیشنهادی با الگوریتمهای خوشهبندی فازی مقایسه شده است و نتایج حاصل بیانگر افزایش دقت و کاهش خطا در خوشه بندی میباشد.

خوشه بندی فازی، تابع C - میانگین فازی، اتوماتای یادگیر، خوشه بندی مورچه- فازی