بهینه‌سازی الگوریتم pso با خوشه‌بندی fcmو منطق فازی

الگوریتم‌های هوشمند همواره به‌عنوان یک روش جستجوی عمومی در بسیاری از مسائل بهینه‌سازی به‌کار می‌روند. یکی از این مسائل بهینه‌سازی خوشه‌بندی است. خوشه‌بندی یکی رایج‌ترین تکنیک‌های داده‌کاوی است، که برای کلاس‌بندی مجموعه‌های داده‌ای به زیرمجموعه‌های مشخص به‌کار می‌رود. الگوریتم‌های خوشه‌بندی مانند fcmکه از معیار فازی استفاده می‌کنند، مزیت آشکاری نسبت به نمونه‌های قطعی دارند اما باید تعداد و مراکز خوشه‌ها در ابتدا مشخص شود و احتمال گیرکردن آن در قله‌های محلی بسیار بالا است. در این پژوهش الگوریتم جدیدی با استفاده از ترکیب الگوریتم psoو fcmبا استفاده از منطق فازی ارائه گردید. برای ارزیابی الگوریتم خوشه‌بندی ارائه‌شده از مجموعه داده‌ی واقعی و استاندارد مانندiris وbupaاستفاده شد. نتایج نشان داد، با بهبود تابع برازندگی الگوریتم پایه الگوریتم ترکیبیpso و fcmبا استفاده از منطق فازی نتایج بهتری نسبت به سایر الگوریتم‌ها دارد و از گیر افتادن در قله‌های محلی جلوگیری کرده و با بهبود مراکز بهینه خوشه‌ها و افزایش کارایی، خوشه‌بندی را بهبود می‌بخشد.