Розглянуто задачу кластеризації масивів даних, які описуються як у векторній, так і в матричній формах і базуються на оптимізації функцій щільності розподілу даних у цих масивах. Для оптимізації цих функцій запропоновано алгоритм, який є гібридом Fish School Search, випадкового пошуку та еволюційної оптимізації. Даний алгоритм не вимагає обчислення похідних оптимізованої функції і, в загальному випадку, призначений для знаходження оптимумів багатоекстремальних функцій аргументу матриці (образів). Запропонований підхід зменшує кількість прогонів процедури оптимізації, знаходить екстремуми складних функцій із багатьма екстремумами та є простим у чисельній реалізації.