خوشهبندی اشیا یکی از روشهای مدیریت اطلاعات و داده کاوی است که امروزه در بحث فناوری اطلاعات جایگاه ویژهای دارد.در حالت کلی خوشهبندی دادهها به معنای دستهبندی آنها است به طوریکه اشی قرار گرفته در یک خوشه، حداکثر تشابه را بااعضای ان خوشه و حداکثر تفاوت را با اعضای سایر خوشهها داشته باشد. دادهها میتواند انواع مختلف از جمله متن، تصویر، دادههای عددی و غیره باشد، که با توجه به حجم عظیم مجموعهدادههای آنها، دستهبندی آنها توسط افراد خبره غیرممکن یا بسیار دشوار است. روشهای خودکار متعددی برای خوشهبندی اشیا پیشنهاد و استفاده شده است. در این مقاله، با ترکیب الگوریتم جستجوی گرانشی و الگوریتمK- نزدیکترین همسایه روش خوشهبندی جدیدی موسوم بهGSA-KNN پیشنهاد شده است. عملکرد این الگوریتم با روش GSA-KMکه از ترکیب الگوریتم جستجوی گرانشی وK- میانگین روی برخی مجموعه دادههایUCIمقایسه شده است. نتایج آزمایشات نشان میدهد که روش خوشهبندی پیشنهاد شده، نسبت به روش GSA-KMعملکرد بهتری دارد.