همان­طور که قبلاً اشاره گردید، روش­های مبتنی بر رفتار گروهی موجودات زنده در مقایسه با دیگر روش­های بهینه­سازی بر روی برخی مسائل دارای کارایی بهتری می­باشند . به همین دلیل، گرایش زیادی برای استفاده از این روش­ها وجود دارد. در این تحقیق از روش جدیدی مبتنی بر ترکیب دو الگوریـتم خفاش وFuzzy c-means ، برای خوشــه­بندی اطلاعات استفاده خواهد شد. در واقع هدف این است که داده ­های موجود را بتوان به­نحوی با حداقل خطا خوشه­بندی نمود. در این راستا، سعی بر آن است تا مزایای هر دو الگوریتم را به کار گرفته و داده ­ها را به گونه ­ای خوشه بندی کنیم که حداکثر شباهت بین داده ­های یک گروه برقرار باشد و از طرفی داده ­های موجود در گروه های مجزا کمترین شباهت را داشته باشند.

روش Fuzzy c-means در کنار مزایایی چون همگرا یی و بدون نظارت بودن، معایبی نیز دارد. این معایب را به اختصار می­توان به صورت زیر بیان کرد:
وابستگی به شرایط اولیه: انتخاب مقادیر اولیه در این روش پاسخ نهایی را دستخوش تغییرات قرار می­دهد و خوشه­های به­دست آمده بنا به مقادیر اولیه بسیار متفاوت خواهند بود.
همگرایی به نقاط بهینه محلی
جهت مرتفع نمودن این معایب، در تحقیقات اخیر ایده­های متفاوتی بیان گردیده است که تا حد قابل قبولی کارساز بوده است. از کارهای انجام شده می­توان به ترکیب این الگوریتم با الگوریتم­های اجتماع پرندگان، الگوریتم ممتیک، ژنتیک و آبکاری فولاد اشاره کرد. در این پایان نامه جهت رفع معایب ذکر شده در الگوریتم Fuzzy c-means از ترکیب این الگوریتم با الگوریتم خفاش استفاده شده است.
۴-۲- خوشه بندی اطلاعات مبتنی بر روش ترکیبی پیشنهادی
در اینجا کاربرد الگوریتم پیشنهادی که مبتنی بر ترکیب الگوریتم بهبود یافته رقابت خفاش و Fuzzy c-means می­باشد جهت خوشه­بندی اطلاعات توضیح داده خواهد شد. هدف این است که داده ­های موجود درخوشه­های مناسب دسته­بندی شده و در این راستا نیز مراکز خوشه و ماتریس تعلق تعیین گردند. مراحل این روش در ادامه ذکر خواهند شد.
مرحله­ اول: تولید جمعیت اولیه
ابتدا جمعیت اولیه به صورت تصادفی تولید می­گردد.
(۴-۱)
Population=[X₁ X₂ . . . X_N] N=1,2,…,number of population
sol(X_i)=[ center₁ , center₂ , . . . ,center_c] c=1,2,…,number of cluster
center=[y₁ y₂ . . . y_d] d=1,2,…,number of feature
هرX، نمایانگر یک خفاش می­باشد. هر خفاش در ابتدا در یک موقعیت تصادفی sol(X_i)
centerنشان دهنده مرکز خوشه است که از موقعیت خفاش­ها گرفته شده است. c و d و N به ترتیب تعداد خوشه ­ها، بعد مراکز خوشه و تعداد جمعیت خفاش­ها می باشد.
مرحله­ دوم: تولید بردار متضاد برای هر عضو از اعضای جمعیت
مرحله­ سوم: ارزیابی تابع هدف
ابتدا ماتریس تعلق به صورت تصادفی مقدار­دهی اولیه می­ شود. سپس تابع هدف یک­بار با بهره گرفتن از X_i به عنوان مرکز خوشه ­ها و بار دیگر با بهره گرفتن از ، برای هر دیتای ورودی، محاسبه می­گردد. . حال اگر دارای تابع هدف بهتری نسبت به باشد جایگزین آن می‌شود.
(۴-۲)
n، تعداد داده ­های ورودی است و v مرکز خوشه است.
مرحله­ چهارم: مرتب­سازی جمعیت اولیه بر اساس تابع هدف
جمعیت، براساس مقدار تابع هدف به صورت صعودی مرتب می­ شود. سپس موقعیت خفاشی که تابع هدف را می­نیمم می­ کند، به عنوان بهترین موقعیت در نظر گرفته می­ شود.
X₁ J₁ X₂ J₂
X_sort = . .
. .
X_N J_N

• • مرحله­ پنجم: انتخاب یکی از دو استراتژی جهش

در ابتدای هر تکرار یکی از دو نوع جهش توسط هر خفاش انجام شده، موقعیت جدید به­دست آمده طبق رابطه (۱۸-۳) با بردار اولیه ترکیب می­ شود. حال اگر بردار جدید تابع هدف کوچکتری نسبت به بردار اولیه داشته باشد جایگزین آن می‌شود، در غیر این صورت الگوریتم با همان بردار اولیه به کار خود ادامه می‌دهد.

• • مرحله ششم: به­روزرسانی موقعیت­ها با اجرای الگوریتم خفاش

در این مرحله موقعیت­ها با اجرای الگوریتم خفاش به­روز می­گردد.
مرحله هفتم: اجرای الگوریتم Fuzzy c-means
بعد از به­روزرسانی موقعیت­ها، موقعیت به­روز شده به عنوان مراکز جدید خوشه ­ها در نظر گرفته می­ شود. با بهره گرفتن از این مراکز، ماتریس تعلق داده ­ها با کمک روابطی که پیشتر برای الگوریتم Fuzzy c-means ذکر شد، به­روز می­ شود و مجدداً تابع هدف محاسبه می­گردد.
مرحله­ هشتم: اعمال جستجوی محلی بر روی موقعیت جدید
برای فرار از گیر کردن در بهینه محلی، بعد از به­روز شدن موقعیت­ها، جستجوی محلی انجام می­گیرد. این جستجو در دو مرحله انجام می­ شود :

• • مرحله­ اول: جستجوی محلی اتخاذ شده از الگوریتم PSO

• • مرحله­ دوم: جستجوی محلی اتخاذ شده از الگوریتم SA

مرحله­ نهم: اجرای الگوریتم Fuzzy c-means
موقعیت به دست آمده از جستجوی محلی به عنوان مراکز کلاستر در نظر گرفته شده و مطابق با الگوریتم FCM ، تابع هدف محاسبه می­ شود.
مرحله­ دهم: پذیرفتن موقعیت جدید و به­روزرسانی دامنه و نرخ ارسال پالس