مریم حسینی - دانشجوی کارشناسی ارشدگرایش نرمافزار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات سیرجان، گروه کامپیوتر، سیرجان، ایران.
مهدی صادق زاده - دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، سیرجان، ایران.
رضا نورمندی پور - دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه کامپیوتر، سیرجان، ایران.

خوشهبندی یکی از رویکردهای مهم دادهکاوی میباشد که جهت تحلیل دادهها مورد استفاده قرار میگیرد و در زمینههای گوناگونی کاربرد دارد. مسأله خوشهبندی، دستهبندی دادههایی را که از نظر پارامترهای مورد علاقه، شباهت بیشتری به یکدیگر دارند، تقسیم-بندی میکند. یکی از روشهای موجود در این زمینه الگوریتمk- means میباشد، علیرغم وابستگی این الگوریتم به شرایط اولیه وهمگرایی به نقاط بهینه محلی، تعدادnداده را به k خوشه با سرعت بالا، دستهبندی مینماید. از آنجا که در مسئله خوش هبندی باحجم انبوهی از دادهها سروکار داریم یکی از روشهای مناسب برای خوشهبندی بهینه استفاده از الگوریتمهای فراابتکاری است که باعث بهبود عملکرد خوشهبندی میشود. در این مقاله جهت رفع مشکلات موجود در الگوریتمk-meansاز روش ترکیبی مبتنی برالگوریتم کرم شب تاب و تکامل تفاضلی بهره گرفته خواهد شد. در این پژوهش برای اعتبار سنجی، روش پیشنهادی بر روی یازده مجموعه داده استاندارد که از سایت معتبرUCIدریافت گردیده است، آزمایششد. نتایج شبی هسازی نشان داد ترکیب این دوالگوریتم نسبت به اجرای منفرد آنهاو همچنین نسبت به الگوریتمk-meansخوشه بندی را با دقت بیشتری انجام میدهد.

الگوریتم کرم شب تاب، خوشهبندی داده، الگوریتم تکامل تفاضلی ، k-means