O Problema de Clusterização Automática
Autores
|
4851 |
1512,47,256
|
|
|
4852 |
1512,47,256
|
|
|
4853 |
1512,47,256
|
Informações:
Publicações do PESC
Clusterização é o processo em que elementos de um conjunto são alocados para grupos ou clusters de elementos similares. Nos algoritmos de clusterização, normalmente é assumido que o número de clusters é um dado de entrada. Contudo, em muitas aplicações de clusterização, este número ideal de clusters não pode ser determinado ou estimado previamente. Estes problemas são conhecidos como Problemas de Clusterização Automática (PCA). Neste trabalho são apresentadas várias heurísticas, utilizando as metaheurísticas Algoritmos Evolutivos, GRASP e ILS, para a solução do PCA. São apresentados também, métodos híbridos novos, que utilizam modelos exatos para tentar melhorar as soluções obtidas pelas heurísticas. Resultados computacionais foram realizados para um conjunto de instâncias, incluindo uma comparação com um algoritmo recente da literatura, e mostram a eficiência e a robustez dos algoritmos propostos.
Clustering is the process by which elements of a set are assigned for groups or clusters of similar elements. In clustering algorithms, is usually assumed that the number of clusters is known or provided. Unfortunately, the optimal number of clusters is unknown for most applications. This problem is as Automatic Clustering Problem (ACP). In this work, we present some heuristics, using the metaheuristics Evolutive Algorithm, GRASP and ILS, to solve the PCA problem. We also present, a new hybrid methods, that uses exact models trying to provide the heuristics solutions. Computational results on a set of instances, including a comparison with a recent algorithm from the literature, illustrate the effectiveness and the robustness of the proposed method.