در این مقاله یک روش جدید برای بهینه سازی t-SNE با استفاده از الگوریتم شیر مورچه ارائه شده است. نتایج در کارهای پیشین نشان میدهد که استفاده از این الگوریتم با هسته گرادیان منجر به از دست رفتن بخشی از اطلاعات میشود و ما به دنبال این هستیم که با استفاده از یک تابع بهینه سازی میزان از دست رفتن اطلاعات را کاهش و نتایج را بهبود دهیم. در این پژوهش هسته t-SNE که با استفاده از تابع گرادیان کار میکند با الگوریتم بهینه ساز شیر مورچه جایگزین شده است. الگوریتم شیر مورچه که یک الگوریتم بهینهسازی قوی میباشد باعث شده تا هنگام کاهش ابعاد داده ها بار اطلاعاتی حفظ شده و اطلاعات کمتری از بین برود. در کارهای آینده جهت مشاهده عملکرد روش پیشنهادی، نتایج به دست آمده از پیاده سازیها با سایر الگوریتم های انجام شده پیشین در این زمینه مقایسه خواهد شد که نشان از بهبود عملکرد الگوریتم t-SNE با هسته جدید را دارد.