چکیده امروزه کاوش در اطلاعات و کشف دانش که یکی از ره آوردهای داده کاوی است در علوم مختلف استفاده می شود. خوشه بندی از مهمترین الگوریتم های داده کاوی است. الگوریتم خوشه بندی اطلاعاتی را که ویژگی های نزدیک به هم و مشابه دارند را در دسته های جداگانه که به آن خوشه گفته می شود قرار می دهد. از جمله کاربردهای آن می توان به مسئله کاهش رنگ تصویر اشاره کرد. این کار، به صورت سنتی، در هنر فرش بافی ایران نیز انجام می شود و یکی از مراحل اساسی در تهیه تابلو فرش از تصاویر واقعی است. از جمله روشهای هوشمند برای کاهش رنگ می توان به الگوریتم خوشه بندی k-means اشاره کرد که با استفاده از الگوریتم های تکاملی معروفی همچون الگوریتم های ژنتیک ، روش بهینه سازی ازدحام ذرات والگوریتم رقابت استعماری مورد بررسی قرار گرفته است. درنهایت توانستیم با ترکیب الگوریتم های ژنتیک و بهینه سازی ازدحام ذرات در زمان و کیفیت بهینه سازی الگوریتم ژنتیک بهبودی حاصل کنیم.

در دنیای امروز اهمیت استفاده از اینترنت و شبکه های کامپیوتری بر کسی پوشیده نیست. کاهش هزینه و صرفه جویی در وقت از مهمترین مزایای این تکنولوژی است. در این میان، انتقال داده ها بین مبدأ تا مقصد از یک مسیر بهینه اهمیت ویژه ای دارد. این عمل مسیریابی نامیده می شود. مسیر بهینه از دو جنبه قابل بررسی است.هم کوتاهترین مسیر از مبدا تا مقصد و هم زمان انتقال در این مسیر. برای یافتن یک مسیر بهینه روش های متفاوتی تعریف شده است. ما در این پایان نامه برآنیم تا با استفاده از الگوریتم های هوش مصنوعی بهبودی در سرعت انتقال داده ها ایجاد کنیم. به همین منظور می خواهیم از سه الگوریتم تکاملی که از طبیعت الهام گرفته شده اند، استفاده نموده تا مسیری بهینه را برای انتقال داده ها در یک شبکه کامپیوتری پیدا کنیم. در این پایان نامه عملکرد الگوریتم های ژنتیک ، انبوه ذرات و کلونی مورچگان برای یافتن مسیر بهینه با هم مقایسه می شوند. در هر مرحله از اجرا، همواره الگوریتم بهینه سازی کلونی مورچگان کوتاه ترین مسیر را کشف می کند ولی زمان اجرای آن چندین برابر دو الگوریتم دیگر است. الگوریتم ژنتیک در کمترین زمان به نسبت دو الگوریتم دیگر مسیری را به عنوان مسیر بهینه معرفی می کند ولی از آنجاییکه در بهینه ی محلی گیر می کند مسیر درستی را نشان نمی دهد. الگوریتم بهینه سازی ازدحام ذرات هم زمانی نسبتاً مناسب دارد اما مسیر درستی را نمایش نمی دهد. در همین راستا الگوریتم جدیدی را ارائه داده ایم که در آن دو الگوریتم کلونی مورچگان و ژنتیک با هم ترکیب شده اند. این عمل باعث شده تا الگوریتم حاصل نتیجه ی متعادلی ایجاد کند. زمان اجرای این الگوریتم به نسبت الگوریتم کلونی مورچگان بسیار بهتر است و نیز مسیری که بر می گرداند از مسیر به دست آمده در الگوریتم ژنتیک مناسب تر می باشد.