Global stochastic optimization techniques applied to partitioning

3rd IEEE International Work-Conference on Bioinspired Intelligence

Villalobos-Arias

Fernández

et al. 2014

We have evaluated five metaheuristics of combinatorial optimization applied in clustering by partitions: simulated annealing, tabu search, genetic algorithm, ant colonies and particle swarms, using data tables generated randomly according to some defined parameters. Those techniques were compared to classical methods (k-means and Ward's agglomerative clustering). Sixteen tables were generated (four controlled factors, with two levels each) with normally distributed variables and, for each one, the experiment was repeated 100 times in a multistart procedure. The within-class inertia was used as the criterion to compare the classifications obtained. Best results were obtained for ant colonies, simulated annealing and the genetic algorithm.

Section: The Methods To Be Evaluatedmentioning

confidence: 99%

Section: The Methods To Be Evaluatedmentioning

confidence: 99%

See 1 more Smart Citation

Evaluation of optimization metaheuristics in clustering

3rd IEEE International Work-Conference on Bioinspired Intelligence

Villalobos-Arias

Fernández

et al. 2014

“…En Análisis Multivariado de Datos, también ha sido usada en el problema de clasificación por particiones para el análisis de conglomerados [17], así como en el escalamiento multidimensional [19], con excelentes resultados.…”

Section: Búsqueda Tabúunclassified

Aplicación de la búsqueda tabú en regresión no lineal

Villalobos

Silva

2006

RMTA

Self Cite

ResumenSe presenta una implementación de la técnica de optimización combinatoria conocida como búsqueda tabú a la estimación de parámetros de un modelo de regresión no lineal dado. La implementación está basada en una discretización del espacio de parámetros y en el recorrido de este espacio a través de una malla, para la generación de los estados vecinos de un estado actual. Se presentan algunos resultados comparativos sobre datos reales o simulados.Palabras clave: regresión, estimación de parámetros, optimización combinatoria, mínimos locales. AbstractWe implement the combinatorial optimization technique known as tabu search in the parameter estimation problem in a given non linear model. For the generation of neighbors, the implementation is based on a discretization of the parameter space, which is covered by a mesh. We present some comparative results on real or simulated data.

“…De ahí surge nuestro interés por aplicar algunas de las modernas técnicas de la Optimización Combinatoria para la búsqueda deóptimos globales, entre ellas el sobrecalentamiento simulado, la búsqueda tabú y los algoritmos genéticos [Tre98]. En particular hemos obtenido excelentes resultados con las técnicas de sobrecalentamiento simulado y la búsqueda tabú, como se describe en el presente artículo.…”

Section: Introductionunclassified

Nuevas técnicas de particionamiento en clasificación automática

Volio

Fernández

1999

RMTA

Self Cite

ResumenEn este artículo se exponen algunas ténicas novedosas para la búsqueda deóptimos globales en el problema de la Clasificación Automática por medio de particiones, con las cuales se mejoran sensiblemente los resultados obtenidos con los métodos tradicionales. Los métodos aquí desarrollados son bien conocidos en el campo de la Optimización Combinatoria: i) el sobrecalentamiento simulado; ii) la búsqueda tabú; iii) los algoritmos genéticos. Se utilizan estos tres enfoques aplicados al problema del particionamiento de objetos en Clasificación Automática, siguiendo un esquema de búsqueda análogo al planteado en el tradicional algoritmo de transferencias de Régnier. Palabras-clave:Clasificación, optimización estocástica, optimización combinatoria, heurística. AbstractIn this article there are exposed some new techniques for the search of global optima in the partitioning problem in Cluster Analysis. With these techniques the results are sensibly improved with respect to the traditional methods. The methods developed here are well known in Combinatorial Optimization: i) simulated annealing; ii) tabu search; iii) genetic algorithms. We use these three approaches in the partitioning problem for clustering, following a search scheme similar to that of Regnier's algorithm of transfers.