در این پایان نامه، در ابتدا، دو الگوریتم جدید بر اساس الگوریتم های جمعیت ذرات و جستجوی هارمونی برای حل مسائل بهینه سازی چندهدفه ارائه شده است. در ادامه این پایان نامه، الگوریتم چندهدفه مبتنی بر جستجوی هارمونی، برای خوشه بندی داده ها و قطعه بندی تصاویر مورد استفاده قرار گرفته است. نتایج برای بررسی کارایی الگوریتم های چندهدفه پیشنهادی، با ارائه توابع آزمون استاندارد و توسط شاخص های استاندارد با الگوریتم های مشابه مانند nsga-ii و mopso مقایسه شده است. همچنین نتایج الگوریتم خوشه بندی پیشنهادی با چند الگوریتم خوشه بندی محبوب و قدرتمند دیگر مقایسه شده و در انتها نتایج حاصل از قطعه بندی تصاویر، به نمایش درآمده است. نتایج بدست آمده نشان می دهد که الگوریتم های پیشنهادی در این پایان نامه با الگوریتم های قدرتمند موجود، از نظر کارایی کاملا قابل مقایسه بوده و در مواردی بهتر از آنها عمل می کند.