تحسين طريقة التجميع K-means باستخدام خوارزمية البحث الهجينة عن الكابوشين

يقدم هذا العمل خوارزمية البحث الهجينة الكابوشينية (HCSA) كطريقة استدلالية للتعامل مع المشاكل المحيرة لفخاخ الأمثلية المحلية وحساسية التهيئة لتقنية التجميع K-means. وقد استوحيت هذه الدراسة من شعبية واستمرارية الاستدلالات الفوقية في تقديم حلول مقنعة، مما أدى إلى ظهور طرق فعّالة وأدوات حسابية مختلفة لمعالجة المشاكل الواقعية الصعبة والعملية. يتم تعزيز سلوك الحركة في CSA باستخدام خوارزمية Chameleon Swarm لدعم وكلاء البحث في CSA لاستكشاف واستغلال كل منطقة محتملة من مساحة البحث بشكل أكثر فعالية. وهذا يزيد من قدرة كل من الاستغلال والاستكشاف في CSA التقليدية. بالإضافة إلى ذلك، يستخدم وكلاء البحث في CSA آلية الدوران في CS للانتقال إلى أماكن جديدة خارج المناطق القريبة لإجراء بحث عالمي. تعمل هذه الآلية على تحسين كفاءة البحث في CSA فضلاً عن قدرات التكثيف والتنوع لوكلاء البحث. إن هذه القدرات التوسعية لـ CSA تعمل على توسيع إمكانات استغلالها وتوسيع نطاق نطاقات البحث والأحجام والاتجاهات في إجراء أنشطة التجميع. يتم استخدام ما مجموعه 16 مجموعة بيانات مختلفة من مصادر متنوعة، كل منها بمستوى مختلف من التعقيد والخصائص والأبعاد، لتقييم أداء طريقة HCSA المطورة في مهام التجميع. وفقًا للنتائج التجريبية، فإن HCSA المقترحة تعمل بشكل أفضل بشكل كبير إحصائيًا من خوارزمية التجميع K-means وثمانية تجميعات تعتمد على metaheuristics من حيث مقاييس المسافة والأداء.