ارايه الگويي براي خوشه‏ بندي داده‌ها مبتني بر الگوريتم جستجوي هارموني

Proposing a Model for Data Clustering Based on Harmonic Search Algorithm

خوشه ‏بندي، فرآيند طبقه ‏بندي داده‌ها داخل گروه‌هاي يا خوشه‌هاي خاص، بر اساس درجه شباهت بين آن‌ها است كه يكي از روش‌هاي پر كاربرد در بسياري از زمينه‌هاي علمي است. در ادبيات خوشه ‏بندي، در سال‌هاي اخير محققان به منظور اجتناب از گرفتار شدن در بهينه محلي، الگوريتم‌هاي فرا ابتكاري كه از پديده‌هاي اجتماعي و طبيعي الهام گرفته‌اند را براي حل مسايل خوشه ‏بندي ارايه كرده‌اند. در اين مقاله الگوريتم جستجوي هارموني (HSA) كه مبتني بر عملكرد سازهاي موسيقي است به عنوان يك الگوريتم توانا در حل مسايل خوشه ‏بندي در نظر گرفته مي‌شود. به منظور ارزيابي توانايي الگوريتم چندين مجموعه داده استاندارد و واقعي ارايه مي‌شود. نتايج شبيه‏ سازي نشان مي‌دهد كه الگوريتم HSA از كارايي بالايي در به‏دست آوردن جواب‌هاي مطلوب برخوردار است.

Clustering is the process of classifying data into groups or specific clusters based on their similarity, which is one of the commonest approaches in a number of scientific fields. In the literature on clustering, in order to avoid being tapped in local optimization, researchers have applied a number of Super-innovative strategies to solve clustering problems which are originated from natural and social phenomena. In the current paper, harmonic searching algorithm (HAS) which is based on musical instruments have been applied as a capable algorithm in solving clustering problems. HSA is presented to evaluate the capability of a number of standard datasets. The results of the simulation indicated that this algorithm has high efficiency in finding optimal solutions.