Diplomski rad obrađuje uvod u algoritme za grupiranje podataka. Ukratko su obrađeni glavni tipovi algoritama, te načini vrednovanja kvalitete particije. Detaljnije je objašnjena diferencijalna evolucija uz povezivanje sa evolucijskim algoritmima. Prikazani su načini primjene diferencijalne evolucije pri grupiranju podataka u poznat ili nepoznat broj grupa. Također je opisan način pronalaženja odgovarajućeg broja grupa ukoliko on nije unaprijed poznat. Izrađeno je programsko rješenje koje omogućuje usporedbu raznih načina vrednovanja kvalitete grupiranja. Također je provedena eksperimentalna analiza gdje su prikazani i komentirani rezultati usporedbe. Uz ovo analizirana je i efikasnost raznih načina paraleliziranja programskog koda.

The thesis gives an introduction to data clustering algorithms. Main types of data clustering algorithms as well as different clustering validity criteria were described. Differential evolution and its application related to data clustering was described in detail. The applicability of differential evolution for automatic clustering as well as clustering when the number of clusters is known in advance was shown. Automatic clustering was described in depth. Software solution that enables a comparison between different clustering validity criteria was developed. The results of the aforementioned comparison were shown and commented. Efficacy analysis of multiple implementations of parallelism was also shown.