برنا جعفرپور - آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش
محمدرضا میبدی - آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش

خوشه بندی مورچه ای روشی الهام گرفته از طبیعت برای خوشه بندی می باشد. این روش دارای مزایایی می باشد که آن را در سالهای اخیر مورد توجه محققان قرارداده است. در این مقاله از یک پیشنهاد برای بهبود خوشه بندی مورچه ای ارایه میشود. در روش پیشنهادی، از اتوماتای یادگیر برای یادگیری مکان قرار دادن داده ها برروی صفحه استفاده شده است. برای این منظور صفحه ای که مورچه ها بر روی آن خوشه بندی می کنند ناحیه بندی میشود وسپس هر مورچه مجهز به یک اتوماتای یادگیر است. وضیفه اتوماتای یادگیر هر مورچه یادگیری ناحیه ای میباشد که قرار است مورچه داده خود را در ان قرار دهد. این روش با تنها روش موجود برای تشخیص مکانهای مهم در صفحه برای خوشه بندی که "حافظه ی کوتاه مدت" نام دارد مقایسه شده است. نتایج آزمایشها بر روی 5 مجموعه داده استاندارد نشان می دهد که روش پیشنهادی با محاسبات کمتر، خوشه بندی بهتری در مقایسه با روش "حافظه ی کوتاه مدت"بدست می آورد. همچنین مقایسه ها برتری روش ارائه شده را نسبت K-means بهنشان می دهد.

خوشه بندی مورچه ای، اتوماتاهای یادگیر، حافظه ی کوتاه مدت