یکی از محبوب ترین مسائل یادگیری بدون نظارت که اخیرا مطرح شده، خوشه بندی فازی بر پایه روش های هوش جمعی است. در این پژوهش یک روش خوشه بندی فازی بر پایه نسخه اصلاح شده ای از الگوریتم کلونی زنبور عسل مصنوعی معرفی شده است. به این منظور، ایده طول متغیر کروموزوم برای الگوریتم کلونی زنبور عسل مصنوعی به کار برده شده و روش جدیدی به نام الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر معرفی شده است. الگوریتم کلونی زنبور عسل مصنوعی اصلاح شده، برگرفته از الگوریتم کلونی زنبور عسل مصنوعی استاندارد است. اما برخی از پارامتر ها تغییر یافته یا دوباره تعریف شده اند. استفاده از الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر این امکان را فراهم می کند تا از تعداد متغیر خوشه-ها پشتیبانی شود. این امر باعث می شود روش خوشه بندی فازی c-means مبتنی بر الگوریتم کلونی زنبور عسل مصنوعی با طول رشته متغیر از ابتدای کار نیازی به دانستن تعداد واقعی خوشه ها نداشته باشد. در پایان، نتایج و کارآیی الگوریتم vabc-fcm با چند الگوریتم خوشه بندی فازی دیگر مانند روش خوشه بندی فازی c-means بر پایه الگوریتم ژنتیک، روش خوشه بندی فازی c-means مبتنی بر تکامل تفاضلی و روش خوشه بندی c-means بر پایه الگوریتم ازدحام ذرات، مقایسه شده است. نتایج نشان دهنده برتری روش vabc-fcm در بسیاری از موارد نسبت به سایر روش های مطرح شده است.