Backtracking Group Search Optimization: A Hybrid Approach for Automatic Data Clustering

Improving Group Search Optimization Through Local Search Heuristics for Automatic Data Clustering

“…A modelagem e representac ¸ão do problema de Agrupamento Automático de Dados adotada é semelhante à forma mais comumente adotada na literatura [Das et al 2007, José-García and Gómez-Flores 2016, Pacifico and Ludermir 2020: cada membro do GSO representará um conjunto de centroides de agrupamento, assim como valores de ativac ¸ão que indicarão se um determinado centroide será levado em considerac ¸ão ou não na definic ¸ão da partic ¸ão representada pelo membro do grupo em análise. Formalmente, considere uma partic ¸ão P C da base de dados, que contém N padrões o j ∈ m (j = 1, 2, ..., N ), em no máximo C max agrupamentos.…”

“…Reinicialize aleatoriamente cada membro no novo grupo G t+1 que contenha menos que dois agrupamentos ativos. Shi et al 2020, Ye and Zheng 2021, Pacifico and Ludermir 2020, Pacífico 2020. Todos os EAs e SIs adotados para comparac ¸ões foram adaptados ao contexto de Agrupamento Automático de Dados, de acordo com uma modelagem semelhante à adotada para os modelos propostos (vide Sec ¸ão 3).…”

“…Nos EAs e SIs, um conjunto de soluc ¸ões (populac ¸ão) é mantido e melhorado ao longo de um processo geracional (iterativo), no qual operadores evolucionários são executados a essas soluc ¸ões em uma tentativa de melhorar o valor de uma func ¸ão objetivo (func ¸ão de fitness). Os EAs e SIs adaptados ao contexto de Análise de Agrupamentos oferecem boas respostas ao problema de sensibilidade à inicializac ¸ão e da falta de bons mecanismos de busca global de algoritmos particionais tradicionais, sendo esses métodos comumente usados também para a estimac ¸ão do número ideal de agrupamentos da partic ¸ão final dos dados, em uma tarefa conhecida por Agrupamento Automático de Dados [Das et al 2007, José-García and Gómez-Flores 2016, Pacifico and Ludermir 2020.…”

Uma Abordagem de Agrupamento Automático de Dados Baseada na Otimização por Busca em Grupo Memética

“…Porém, tais algoritmos, em decorrência de suas naturezas estocásticas, tendem a ser mais lentos para convergir que algoritmos particionais tradicionais. Uma soluc ¸ão comumente encontrada na literatura é a combinac ¸ão entre EAs ou SIs com modelos particionais tradicionais, resultando em modelos híbridos, que tentam combinar as boas capacidades de otimizac ¸ão global oferecidas pelos modelos evolucionários, com as rápidas taxas de convergência dos algoritmos paticionais [Latiff et al 2016, Pacifico and Ludermir 2019, Pacifico and Ludermir 2020, Pacifico and Ludermir 2021.…”

“…Um outro problema relacionado aos algoritmos particionais tradicionais diz respeito à necessidade de fornecimento a priori do número final de agrupamentos a serem formados, o que requer um entendimento inicial do contexto do problema a ser resolvido, o que pode limitar a aplicac ¸ão desses modelos a problemas pouco conhecidos ou novos. Como uma tentativa de eliminar essa limitac ¸ão, abordagens de Análise Automática de Agrupamentos têm sido propostas, que tentam realizar tanto a otimizac ¸ão dos agrupamentos finais gerados, quanto à estimac ¸ão do número final de grupos a serem formados [Das et al 2007, José-García and Gómez-Flores 2016, Elaziz et al 2019, Pacifico and Ludermir 2020.…”