زهرا ابراهیمی - دانش آموخته کارشناسی ارشد مهندسی کامپیوتر (نرم افزار)، گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران
هاله همایونی - استادیار، گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران
کیمیا بازرگان لاری - استادیار، گروه کامپیوتر، موسسه آموزش عالی آپادانا، شیراز، ایران

خوشه بندی یکی از گونه های استخراج اطلاعات به منظور آگاهی، درک بهتر و قابل فهم تر داده ها و تقسیم بندی آنها به دسته های کوچک تر با حداکثر تشابه و سپس تحلیل آنها است. هر چه دقت روش خوشه بندی مورد استفاده دقیق تر باشد محقق یا تحلیل گر می تواند به آگاهی دقیق تری نسبت به سیستم مورد مطالعه در مدت زمان کمتری دست یابد. از این رو در این تحقیق سعی شده است که الگوریتم خوشه بندی OPTICS به کمک الگوریتم تکاملی NSGA-II بهبود یابد و بهینه شود. برای این منظور مساله خوشه بندی OPTICS به یک مساله چند هدفه (کیفیت خوشه و گستردگی خوشه) تبدیل شده و توسط NSGA-II کمینه (حل) شده است. همچنین نتیجه مذکور با نتیجه الگوریتم بهینه سازی تجمع ذرات مقایسه گردید. مقایسه نتایج به دست آمده از الگوریتم های خوشه بندی مبتنی بر قطعه بندی، الگوریتم ژنتیک چند هدفه و الگوریتم بهینه سازی تجمع ذرات نشان از برتری الگوریتم ارائه شده در مقابله با بهینه محلی و همچنین پویش مساله دارد.

الگوریتم های تکاملی چند هدفه، بهینه سازی NSGA-II ،OPTICS