چکیده:
خوشه بندی به مفهوم اختصاص n شی در k دسته می باشد. خوشه بندی از طریق راه حلهای مختلف قابل حل می باشد که یکی از آنها بکارگیری الگوریتم های فرا ابتکاری است و از طرفی دیگر خوشه بندی خود می تواند ابزاری در جهت حل مسائل پیچیده باشد زیرا امکان جستجوی محلی را در فضای جستجو فراهم می نماید]6.[ یکی از مسائل خوشه بندی که جز مسایل پیچیده می تواند مطرح باشد تشکیل ترکیبات بهینه از اعضا بر مبنای دانش افراد و تخصص مورد نیاز در پروژه های بزرگ جهت ارتقای عملکرد تیمی است، این موضوع از موضوعات با اهمیت و نسبتا جدیدی می باشد که در صنایع و سازمانها مورد توجه می باشد. یکی از الگوریتم های قابل استفاده در حل مسایل خوشه بندی، الگوریتم کلونی مورچگان است. الگوریتم کلونی مورچه الهام گرفته شده ازمطالعات و مشاهدات روی کلونی مورچه هاست. این مطالعات نشان داده که مورچه ها حشراتی اجتماعی هستند که در کلونیها زندگی میکنند و رفتار آﻧﻬا بیشتر در جهت بقاء کلونی است تا درجهت بقاء یک جزء از آن.رفتار مورچه ها دارای نوعی هوشمندی تودهای است که اخیرا مورد توجه دانشمندان قرار گرفته است. در این مقاله برای اولین بار است که الگوریتم کلونی مورچگان را در یک مساله خوشه بندی و تخصیص اعضا در تیم های دانش محور را بکار می برد. تا این زمان تنها در سال 2009یک مقاله ]5 [این مساله را مورد مطالعه قرار داده و آن هم از طریق الگوریتم ژنتیک حل شده است، البته بعد خوشه بندی بر اساس ویژگیها و محدودیتها نیز در مقاله مذکور مورد توجه قرار نگرفته است، در حالیکه این موضوع از مباحث مطرح در الگوریتم های فرا ابتکاری بوده و از این رو جز محورهای اصلی این مقاله در نظر گرفته شده است.
خلاصه ماشینی:
"یکی از مسائل خوشه بندی که جز مسایل پیچیده می تواند مطرح باشد تشکیل ترکیبات بهینه از اعضا بر مبنای دانش افراد و تخصص مورد نیاز در پروژه های بزرگ جهت ارتقای عملکرد تیمی است ، این موضوع از موضوعات با اهمیت و نسبتا جدیدی می باشد که در صنایع و سازمانها مورد توجه می باشد.
104 (به تصویر صفحه مراجعه شود) شکل ٢-تخصیص اعضا در تیم های دانش محور هر یک از این اعضا تنها می توانند به یک تیم در یک پروژه اختصاص یابند و به عنوان نمونه همانطور که در جدول زیر نمایش داده شده است ، اعضا دارای دانش های زیر بوده و دانش های مورد نیاز در هر یک از وظایف نیز به ترتیبی می باشد که در جدول ١ آمده است .
این مساله سه گام اساسی دارد: ١-ایجاد R (مورچه مصنوعی )جدید ٢-انجام جستجوی محلی که گامهای الگوریتم در این قسمت به شرح زیر است : گام یک :١=k (به تصویر صفحه مراجعه شود) / / مرکز دسته و وزنهای آنان با توجه به انتخاب می شود(این قسمت با کمک نرم افزار Minitab می تواند محاسبه شود.
در پایان لازم است خاطرنشان سازیم که موضوعاتی که می تواند در تحقیقات آتی مرتبط با این موضوع در نظر گرفته شود، عبارتند از افزودن ابعاد مساله از طریق افزودن محدودیتهایی چون محدودیت زمانی هریک از اعضا در تیم ها، توسعه داده شده و در محیط واقعی پیاده سازی شود، خوشه بندی مشتریان در زنجیره تامین و بخش بندی بازار در ابعاد بزرگ با محدودیتهای زیاد و پیچیده از موارد دیگریست که می تواند حل آنها با این الگوریتم بررسی شود."