الگوریتم های فرامکاشفه ای در خوشه بندی

الگوریتم های فرامکاشفه ای الگوریتم هایی هستند که ایده اصلی شان از طبیعت الهام گرفته شده است و از آنجایی که تابع مکاشففه ایاین الگوریتم ها قبلا در طبیعت تست شده و جواب داده اند، در اکثر زمینه ها کاربرد گسترده ای پیدا کرده اند. یکی از این زمینه ها،خوشه بندی است. خوشه بندی، از ابزارهای متداول داده کاوی بوده که هدف آن استخراج دسته هایی با حداکثر شباهت بین عناصرداخلی دسته و حداقل شباهت با عناصر سایر دسته ها می باشد. برای خوشه بندی روش های متفاوتی وجود دارد که معروف ترین و محبوب ترین آن ها الگوریتم k-means است. اما این الگوریتم مشکلاتی از قبیل حساس بودن به مقدار دهی اولیه و گرفتار شدن در بهینه های محلی دارد. برای حل این مشکلات روش های زیادی ارائه شده است که الگفوریتم های فرامکاشفه ای نمونه ای از آنهاست. در این مقاله یک دسته بندی جدیدی از الکوریتم های فرامکاشفه ای که برای برطرف کردن مشکلات خوشه بندی ارائه شده اند، صورت گرفته است.