امیرحسین مهدیانی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر -گرایش هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان، گروه کامپیوتر، کرمان، ایران
سیدمحمدحسین معطر - عضو هیئ تعلمی دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی کامپیوتر- نرم افزار، مشهد، ایران
مهدی یعقوبی - عضو هیئ تعلمی دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی برق وکامپیوتر، مشهد، ایران

الگوریتم بهینهسازی فاخته 1 تنها برای پیدا کردن یک راهحل بهینه طراحی شده است و نیازمند یک سری تغییرات است که بتواندچندین بهینه را بر روی یک تابع چندگانه 2 پیدا کند. به موازات الگوریتمهای محاسبات تکاملی، این تغییرات میتواند در چارچوب نیچینگ 3 گروهبندی شود. روش پیشنهادی، بر اساس خوشهبندی فاختهها برای تعیین نیچها است. این روش کهKCOA نام گذاری شده است الگوریتم خوشه بندی استانداردK-means را مورد استفاده قرار م یدهد. این روش، از خوشه بندی فاختهها برای اصلاح توپولوژی همسایگی استفاده میکند، از اینرو هر فاخته میتواند تنها با فاختههای هم خوشه خود ارتباط برقرار کند. در نتیجه کل فضای جستجو به چندین زیر فضا تقسیم میشود و نواحی مختلفی از فضای جستجو مورد کاوش قرار میگیرد و در هر زیر فضا عملیات جستجوی محلی انجام خواهد گرفت. الگوریتم ارائه شده در این مقاله با الگوریتم ارائه شده در [ 22 ](ارائه یک الگوریتمبهینه سازی چندگانه مبتنی بر الگوریتم بهینه سازی ازدحام ذرات) توسط 13 تابع محک مورد مقایسه قرار گرفته است . نتیجهپیاد هسازی ها نشان م یدهد که استفاده از الگوریتم بهین هسازی فاخته برای بهین هسازی چندگانه 5، دقت و سرعت یافتن جواب های بهینه را بهبود م یدهد

الگوریتم بهینه سازی فاخته، بهینه سازی چندگانه، نیچینگ، خوشه بندی،K-means ، توپولوژی همسایگی