بهینه سازی الگوریتم PSO با خوشه بندی FCM و منطق فازی

الگوریتم های هوشمند همواره به عنوان یک روش جستجوی عمومی در بسیاری از مسائل بهینه سازی به کار می روند. یکی از این مسائل بهینه سازی خوشه بندی است. خوشه بندی یکی رایج ترین تکنیک های داده کاوی است، که برای کلاس بندی مجموعه های داده ای به زیر مجموعه های مشخص به کار می رود. الگوریتم های خوشه بندی مانند FCM که از معیار فازی استفاده می کنند، مزیت آشکاری نسبت به نمونه های قطعی دارند اما باید تعداد و مراکز خوشه ها در ابتدا مشخص شود و احتمال گیر کردن آن در قله های محلی بسیار بالا است. در این پژوهش الگوریتم جدیدی با استفاده از ترکیب الگوریتم FCM,PSO با استفاده از منطق فازی ارائه گردید. برای ارزیابی الگوریتم خوشه بندی ارائه شده از مجموعه داده ی واقعی و استاندارد مانند Bupa,Iris استفاده شد. نتایج نشان داد با بهبود تابع برازندگی الگوریتم پایه الگوریتم ترکیبی FCM,PSO با استفاده از منطق فازی نتایج بهتری نسبت به سایر الگوریتم ها دارد و از گیر افتادن در قله های محلی جلوگیریکرده و با بهبود مراکز بهینه خوشه ها و افزایش کارایی، خوشه بندی را بهبود می بخشد.

کلیدواژه ها:

خوشه بندی ، بهینه سازی ، بهینه سازی توده ذرات PSO ، FCM ، منطق فازی