Título: Uma nova abordagem híbrida do algoritmo de Otimização por Enxame de Partículas com Busca Local Iterada para o problema de Clusterização de Dados
Autores: Coelho Filho, Osires Pires; Martinhon, Carlos Alberto; Cabral, Lucídio dos Anjos Formiga
Resumo: Clusterização ou Agrupamento de Dados é uma das técnicas mais conhecidas em Mineração de Dados. Um problema de Clusterização consiste em agrupar objetos de uma base de dados em grupos de objetos similares de acordo com um conjunto de características. Para resolver este problema propomos uma nova abordagem híbrida do uso das metaheurísticas PSO (Particle Swarm Optimization) e ILS (Iterated Local Search). Nesta estratégia, a convergência do PSO é melhorada através da chamada do ILS usando o K-Means como busca local. Este algoritmo híbrido ainda inclui um número caótico para determinar o valor do peso inercial do componente velocidade inicial da partícula. Esta versão denominada ECPSO-ILS (Enhanced Chaotic PSO-ILS) apresentou excelentes resultados quando testada em várias bases de dados de referência da área, obtendo novos melhores valores para todas as instâncias avaliadas.
Palavras-chave: Otimização por Enxame de Partículas; Clusterização; Busca Local Iterada; Mapa Caótico
Páginas: 6
Código DOI: 10.21528/CBIC2013-295
Artigo em pdf: bricsccicbic2013_submission_295.pdf
Arquivo BibTex: bricsccicbic2013_submission_295.bib