خوشه بندی به عنوان یک رویکرد کشف الگوی بدون نظارت، فرآیند تقسیم داده ها به گروه های مجزا است، به طوری که اشیای یک کلاس بیشترین شباهت را به هم داشته باشند و با اشیای سایر کلاسها متفاوت باشند. این مسئله که کاربردهای گسترده یی در حوزه های تحلیل پایگاه داده، پردازش متون و تصاویر، کاوش در شبکه های اجتماعی و کشف تقلب دارد، از سال 1957 با معرفی مفهوم خوشه بندی k-means تا کنون محقیق بسیاری را به خود جذب کرده است. توسعه و بهبود این الگوریتم از سال 1990 با ترکیب الگوریتم های فراابتکاری و k-means وارد فاز جدیدی شده است و با توجه به مزایا و معایب این الگوریتم ها، تعداد زیادی از این الگوریتم‌ها تاکنون ارائه شده اند. در این مقاله برای اولین بار الگوریتم جستجوی فرکتال اتفاقی به منظور بهینه سازی خوشه بندی k-means ارائه شده است. مقایسه عملکرد این الگوریتم با الگوریتم مشهور ژنتیک و بهینه سازی ازدحام ذرات نشان می‌دهد که الگوریتم جستجوی فرکتال موفق شده جواب بهین سراسری را با کمترین خطا بدست آورد.
