الگوریتم گرده افشانی گل ها با ژنتیک برای تحلیل خوشه ها

خوشه بندی یکی از تکنیک های داده کاوی و تحلیل داده ها است. K-mean یکی از الگوریتم های مورد استفاده برای خوشه بندی می باشد. با این حال جواب این الگوریم به راه حل اولیه بستگی دارد و به راحتی جواب های بهینه محلی را بر می گرداند. برای غلبه بر مشکلات این الگوریتم در این مقاله ترکیب الگوریتم گرده افشانی گل ها با الگوریتم ژنتیک ارایه شده است. عملگر تقاطع و دوره انداختن گرده ها برای افزایش تنوع جمعیت و برای بهبود قابلیت های جستجوی محلی عملگر نخبه گزینی مورد استفاده قرار گرفته است. پنج مجموعه داده برای ارزیابی کارایی الگوریتم پیشنهادی انتخاب شده است. نتایج ارزیابی در مقایسه با الگوریتم های FPA،GA،FA،DE و K-mean نشان می دهد که روش پیشنهادی نه تنها دقت بیشتر بلکه پایداری بهتری نیز دارد. همچنین همگرایی سریعتر نیز از نتایج به دست آمده برای الگوریتم ترکیبی پیشنهادی می باشد.

کلیدواژه ها:

خوشه بندی ، الگوریتم گرده افشانی گل ها ، الگوریتم ژنتیک ، الگوریتم های فرا ابتکاری