ارائه یک تکنیک خوشه بندی با کمک الگوریتم ژنتیک با استفاده از k-means

در این تحقیق الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه ای ارائه شده است که با برخورداری از یک ساختار کروموزوم مناسب از ایجاد کروموزوم های غیرممکن جلوگیری نموده, سرعت عملگر های ترکیب و جهش را افزایش می دهد و تشخیص کروموزوم های غیرمجاز و تکراری را تسریع می بخشد. عملگرهای ترکیب و جهش این الگوریتم که کارآمدی آن ها با سایر عملگرهای ژنتیکی موجود مقایسه گردیده است، در عین حفظ گوناگونی ژنتیکی، هیوریستیک بوده و به افزایش میزان برازندگی نسل, کمک شایانی خواهند نمود و با استفاده توابع احتمال مناسب از انجام بیش ازاندازه جهش و ترکیب جلوگیری می نمایند. در این تحقیق مقایسه ای بین چند اندیس ارزیابی خوشه مشهور, از جنبه استفاده از آن ها به عنوان تابع برازندگی الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه انجام شده و عملکرد آن ها در مواجهه با مجموعه داده های دارای ساختارهای کروی، غیر کروی و داده های خارج از محدوده مورد ارزیابی قرارگرفته و با توجه به آن یک تابع برازندگی کارآمد ارائه شده است. همچنین به اهمیت جمعیت اولیه و نحوه درج مجدد کروموزوم ها در الگوریتم توجه خاصی شده است تا همگرایی در عین حفظ گوناگونی ژنتیک و جلوگیری از دستیابی به راه حل های بهینه محلی، با سرعت بیشتری صورت پذیرد و زمان کمتری صرف ایجاد کروموزوم های فرزند گردد. به طورکلی، الگوریتم خوشه بندی ژنتیک مبتنی بر مرکز خوشه پیشنهادی، میزان خطای خوشه بندی را در مقایسه با الگوریتم خوشه بندی ژنتیک اولیه و الگوریتم کی مینز کاهش داده و قادر به تشخیص خوشه های غیر کروی بوده و از دستیابی به راه حل های بهینه محلی جلوگیری می نماید.