ارائه روشی ترکیبی به منظور خوشه بندی داده ها بر اساس الگوریتم خفاش والگوریتم کرم شب تاب

خو شه بندی یک فرایند بدون ناظر است که برای دسته بندی داده ها در خوشه های مشخص به کار می رود؛ به صورتی که داده هایموجود در هر خوشه بیشترین شباهت را نسبت به داده های سایر خوشه ها داشته باشند. تا کنون الگوریتم های زیادی برای خوشه بندیداده ها ارائه شدهاست، که هر کدام از این الگوریتم ها با مشکلاتی همچون سرعت پایین، مشکل بهینه محلی، وابسته بودن به شرایطمساله و همچنین ثابت بودن پارامترهای مورد استفاده روبرو هستند. برای مقابله با این مشکلات از ترکیب الگوریتم های فرامکاشفه ایاستفاده شده است. در این پژوهش الگوریتم جدیدی از ترکیب الگوریتم بهینه سازی خفاش و الگوریتم بهینه سازی کرم شب تاب برایخو شهبندی داده ها ارائه شدها ست که ضمن داشتن مزایای هر دو روش، سعی شده نقاط ضعف هر کدام مورد پوشش قرار گیرد.همچنین از به روزرسانی متغیرهای مساله با توجه به شرایط مساله برای بهبود بخشیدن روش پیشنهادی استفاده شده است. در روشپیشنهادی از الگوریتم خفاش برای مقابله با مشکل بهینه محلی و بالا بردن سرعت واز قسمت global search الگوریتم کرم شبتاب برای بهبود جستجوی سراسری استفاده شده ا ست. به منظور اعتبار سنجی روش پیشنهادی از چند مجموعه داده مشهور و پرکاربرد که دارای خصوصیات متفاوتی هستند استفاده شده است و نتایج حاصل با الگوریتم های K-means ، فاخته، الگوریتم ژنتیک،الگوریتم جستجوی گرانشی و روش های ترکیبی استخراج شده از مقالات مقایسه شده است

کلیدواژه ها:

خوشه بندی ، الگوریتم های فرامکاشفه ای ، الگوریتم بهینه سازی کرم شب تاب ، الگوریتم بهینه سازی خفاش