روش های خوشه بندی داده براساس جستجوی فاخته

در این مقاله، روش هایی جهت خوشه بندی بر اساس الگوریتم جستجوی فاخته(CS) ارائه می شود. CS از تولید مثل انگلی پرنده فاخته الهام گرفته شده است. در این الگوریتم حرکت هر فاخته به صورت نوعی گام تصادفی به نام پرواز لوی است. در الگوریتم اول، جمعیت اولیه به صورت تصادفی تولید می شود. در الگوریتم دوم ، برای بهبود پایداری خوشه بندی از خاصیت همه سویی تابع آشوبناک گربه آرنولد که نمای لیاپانوف بالاتری نسبت به نگاشت منطقی دارد، بهره گرفته می شود. در الگوریتم سوم (KCS) به منظور شروع از نقاط نزدیکتر به جواب سراسری، از الگوریتم برای تولید جمعیت اولیه استفاده می شود. CS ترکیبی با گربه آرنولد در مقایسه با CS ترکیبی نگاشت منطقی بر روی هفت تابع معیار بهینه سازی، عملکرد موفق تری دارد. نتیجه اعمال الگوریتم های خوشه بندی بر روی شش مجموعه داده معیار نشان می دهد که KCS در مقایسه با سایر الگوریتم های مورد بررسی، پایداری بیشتر و متوسط هزینه کمتری دارد.

کلیدواژه ها:

خوشه بندی ، الگوریتم جستجوی فاخته ، تابع آشوبناک گربه آرنولد ، تابع آشوبناک سنای ، پرواز لوی