ژیلا نصیری روشتی - استادیارگروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز،ایران
فرزین مدرس خیابانی - دانشیارگروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
نیما آذر میر شتربانی - استادیارگروه ریاضی ، واحد تبریز، دانشگاه آزاد اسلامی، تبریز،ایران

روش های خوشه بندی و بهره وری آنها در عملیات داده کاوی توسعه زیادی یافته اند. نیاز مدیران به داده های دسته بندی شده و بهره وری روش های خوشه بندی در امر مدیریت و تصمیم گیری، به گسترش روش های داده کاوی ضرورت بخشیده است. الگوریتم بهینه سازی نهنگ روش عمومی است که در حل مسائل متعددی کاربرد دارد. در این الگوریتم جواب های آغازین به صورت تصادفی انتخاب می شوند. الگوریتم کی-میانگین یک روش خوشه بندی پرکاربرد است که به دلیل سادگی و کوتاه بودن مراحل، بسیار موردتوجه محققان قرار می گیرد. در این مقاله این مزیت الگوریتم کی- میانگین را برای افزایش توانایی الگوریتم بهینه سازی نهنگ در خوشه بندی داده ها به کاررفته است. الگوریتم پیشنهادی ترکیبی از الگوریتم های کی-میانگین و خوشه بندی نهنگ است. در این پژوهش الگوریتم جدید و چند الگوریتم خوشه بندی دیگر را بر روی مجموعه داده های واقعی و شناخته شده اجرا شده است. نتایج عددی نشان می دهد که الگوریتم جدید ازنظر کیفیت جواب ها و انحراف استاندارد مقادیر جواب های نهایی، نتایج مطلوبی نشان می دهد.

بهره وری, خوشه بندی, داده کاوی, هوش جمعی