GRASP EN LA RESOLUCIÓN DEL PROBLEMA DE CLUSTERING

Abstract

The clustering could be approached as a combinatorial optimization problem when the clusters are a partition of an objects set. The Grasp meta-heuristic is a relatively recent technic that had been used to solve of an e_cient manner several combinatorial optimization problems. In this work, we adapted the Grasp metaheuristic to solve the clustering problem based on the basis of K-Means algorithm. The proposed algorithm, named GraspKM, takes advantages of fast convergence of K-Means algorithm avoiding the inconvenience of obtaining a local optimal. The algorithm shows to be better than KMeans algorithm and it is comparable with another meta-heuristic method reviewed with respect to e_ciency. The computational experiments had been realized with a data collection extensively used on clustering literature.El clustering puede ser abordado como un problema de optimización combinatoria cuando los clusters son una partición de un conjunto de objetos. La meta heurística Grasp es una técnica relativamente reciente que ha sido utilizada para resolver de manera eficiente múltiples problemas de optimización combinatoria. En este trabajo, adaptamos la meta heurística Grasp para la resolución del problema del clustering basado en los principios del algoritmo K-Means. El algoritmo propuesto, denominado GraspKM, aprovecha la rápida convergencia del algoritmo K-Means evitando el inconveniente de alcanzar óptimos locales. El algoritmo demuestra ser superior al algoritmo K-Means y es comparable con otras meta heurísticas revisadas en cuanto a eficiencia. Los experimentos computacionales han sido realizados con colecciones de datos ampliamente usados en la literatura sobre clustering.