امیرحسین امین صفار - کارشناسی ارشد هوش مصنوعی، کامپیوتر،
فاطمه امین صفار - کارشناسی نرم افزار کامپیوتر، دانشگاه آزاد سبزوار

امروزه برای تجزیه و تحلیل داده های مختلف در زمینه های گوناگون، از روشهای کامپیوتری بهره برده میشود. از طرفی در دنیای فناوری و تکنولوژی امروز حجم داده ها نسبت به گذشته بسیار بیشتر شده است. یکی از موثرترین روش های دسته بندی داده ها و اطلاعات استفاده از تکنیکهای خوشه بندی میباشد. تاکنون روشهای مختلفی جهت خوشه بندی داده ها و اطلاعات ارایه شده است. حجم داده های موردنظر جهت اجرای خوشه بندی باعث میشود تا این مسیله ماهیتی NP-hard داشته باشد. ازاینرو یکی از موثرترین راهکارهای خوشه بندی اطلاعات و داده ها استفاده از روشهای هوش ازدحامی است. تاکنون روشهای مختلفی بر پایه الگوریتم های هوش جمعی جهت انجام خوشه بندی داده ها و اطلاعات ارایه شده است. در این تحقیق جهت بهبود حل مسیله غلبه برگیر افتادن در بهینه محلی و همگرایی زودرس، روشی مبتنی بر ترکیب روشهای کلونی مورچگان و ازدحام ذرات ارایه شده است. در حقیقت درروش پیشنهادی تلاش شده است تا با انتخاب مراکز خوشه ها با بیشترین دقت ممکن کیفیت خوشه بندی بهبود یابد. نتایج بدست آمده از پیاده سازی روش پیشنهادی حاکی از افزایش کیفیت خوشه بندی نسبت به روشACOR-PSO میباشد.

خوشه بندی داده ها، همگرایی زودرس، الگوریتم کلونی مورچگان، الگوریتم ازدحام ذرات