با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در آن‌ها، به ابزاری نیازاست تا بتوان این داده‌ها را پردازش کرد و اطلاعات حاصل از آن را در اختیار کاربران قرار داد. در واقع به روش‌هایی نیازداریم که با کمترین دخالت کاربر و به صورت خودکار، الگوها و رابطه‌های منطقی را بیان نمایند. یکی از روش‌های بسیار مهمی که با آن می توان الگوهای مفیدی را در میان داده‌ها تشخیص داد، داده‌کاوی است. خوشه‌بندی یکی از مهم ترین روش‌های دادهکاوی است. خوشه‌بندی در مسایل گوناگونی در زمینه‌های مختلف از جمله تشخیص الگو و پردازشتصویر مورد استفاده قرار میگیرد. تاکنون الگوریتم‌های مختلفی برای انجام خوشه‌بندی ارائه شده است. در این پژوهش به معرفی چند روش کارآمد در زمینه مسائل خوشه‌بندی می‌پردازیم. این روش‌ها عبارتند از :الف) الگوریتم ژنتیک گروه‌بندی ب) الگوریتم ژنتیک با بازآرایی ژن خوشه‌بندی این الگوریتم‌ها برگرفته از الگوریتم ژنتیک کلاسیک هستند که برای مسائل خوشه‌بندی توصیف می‌شوند و الگوریتم ژنتیک کلاسیک را بهبود می‌بخشند. همچنین بررسی این دوالگوریتم و تجارب به دست آمده از آزمون‌ها روی داده‌ها و مسائل خوشه‌بندی، برتری این الگوریتم‌ها را نسبت به الگوریتم ژنتیک کلاسیک نشان می‌دهد. در این پایان‌نامه یک الگوریتم پیشنهادی جدیدی جهت خوشه‌بندی ارائه می‌شودکه کارایی بهتری نسبت به الگوریتم‌های بررسی شده در این‌جا دارد.