جواد حمیدزاده - استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد، ایران
صدف روستایی - دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی فردوس
هانیه علی دوست - دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی فردوس

این مقاله یک الگوریتم استعماری فازی شبه دو هدفه که مشکل خوشه بندی داده را در نظر می گیرد، ارائه داده است. بسیاری از روش های خوشه بندی معمولا نیاز به پیش بینی تعداد خوشه ها به عنوان ورودی دارند. این الگوریتم به صورت خودکار می تواند تعداد مناسب خوشه و تقسیم بندی مناسب از یک مجموعه داده را تعیین کند با این حال، بیشتر روش های فازی بر پایه میزان فشردگی و یا جدایی که تنها به اطلاعات مبتنی بر مرکز تکیه کرده است. در سال های اخیر، رهیافت های زیادی برای حل این مسأله با استفاده از روش هایی مانند الگوریتم ژنتیک چند هدفه و الگوریتم ژنتیک دو مرحله ای ارائه شده است که به موفقیت های قابل توجهی دست یافته اند. علی رغم کارهای انجام شده، هنوز تشخیص درست تعداد خوشه ها و هزینه خوشه بندی به نقطه بهینه به عنوان دو چالش مهم در این مساله مطرح هستند. همانطور که در آزمایش نشان داده شده است نتایج تجربی حاصل از اجرای الگوریتم پیشنهادی در مجموعه داده های واقعی بهبود قابل توجهی یافته و برتری روش پیشنهادی نسبت به سایر روش های مرز دانش (روش های مطرح) را نشان می دهد

خوشه بندی خودکار، الگوریتم رقابت استعماری، الگوریتمFCM ، بهینه سازی، الگوریتم تکاملی