خوشه بندی مبتنی بر مورچگان

خوشه بندی مورچه ای روشی الهام گرفته از طبیعت دارای ویژگی های جالبی می باشد که باعث توجه محققان با این روش در سالهای اخیر شده است. این روش دارای پارامترهای متعددی از جمله پارامترهای مربوط به برداشتن، گذاشتن داده ها و شعاع دید می باشد که تاثیر زیادی در عملکرد و همگرایی الگوریتم دارند و معمولا به صورت آزمایش و خطا تعیین می گردند. در این پایان نامه به انواع روش های خوشه بندی، رفتار و عملکرد مورچه ها و روش خوشه بندی مبتنی بر مورچگان پرداخته می شود. همچنین به ترتیب روش k-meansو fcm جهت خوشه بندی داده ها در زمینه های مختلف پیشنهاد می گردد. از دیگر روش های خوشه بندی روش پایه خوشه بندی مبتنی بر مورچه است که با استفاده از عملیات گذاشتن و برداشتن داده ها منجر به شکل گیری گروه هایی از اشیا روی توری می شود که هریک از آنها به عنوان یک خوشه در نظر گرفته می شوند. در ادامه این پایان نامه به معرفی یک الگوریتم جدید برای این روش بنام ack پرداخته می شود که به بهبود کارایی خوشه بندی داده ها کمک شایانی می کند. به منظور بررسی کارایی روش معرفی شده، این روش با دیگر روش های موجود در زمینه خوشه بندی داده ها که بر اساس الگوریتم های مورچگان می باشد مقایسه می گردد. نتایج آزمایشهای انجام گرفته حاکی از کارایی بالای روش پیشنهادی در مقایسه با دیگر روش های مطرح شده در این پایان نامه می باشد.