ارائه یک الگوریتم جدید برای خوشه بندی نرم افزار

در این مقاله یک روش تکاملی جدید خوشه بندی نرم افزار با الگو گرفتن از الگوریتمهای بهینه سازی گله میگو (KH) و ژنتیک (GA) ارائه شده ا ست. KH یک الگوریتم موثر جدید برای حل م سائل بهینه سازی با فضای حالت پیو سته ا ست که رفتار فردی و گروهی میگوها را تقلید میکند و قادر به حل مسائل در فضای گسسته نیست. ژنتیک یک الگوریتم تکاملی است که از تکنیکهای جستجو سراسری برای یافتن راهحل نزدیک به بهینه استفاده میکند، مشکل اصلی این الگوریتم عدم وجود جریان اطلاعاتی قوی و موثر بین نسلهای مختلف است. ما در الگوریتم تکاملی پیشنهادی از نقاط قوت این دو الگوریتم استفاده نموده و با تغییر در چرخه و اپراتورهای الگوریتم ژنتیک و افزودن هوش جمعی به آن و با الهام گرفتن از حرکات میگو در الگوریتم گله میگو به نتایج بهتری در خوشه بندی نرم افزار رسیدیم. نتایج اولیه اعمال الگوریتم پیشنهادی روی تعدادی محک نرم افزاری نشان میدهد که نتایج تمام خوشه بندیها با این الگوریتم از کیفیت بالاتری نسبت به الگوریتمهای مقایسه شده برخوردار است.

کلیدواژه ها:

خوشه بندی ، تشخیص الگو ، الگوریتم ژنتیک ، الگوریتم گله میگو ، هوش جمعی