Palabras clave
stochastic optimization
combinatorial optimization
heuristics
Clasificación
optimización estocástica
optimización combinatoria
heurística
Cómo citar
Resumen
En este artículo se exponen algunas técnicas novedosas para la búsqueda de óptimos 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 aplkicacos 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.
Citas
[Aar90] Aarts, E.; Korst, J. (1990) Simulated Annealing and Boltzmann Machines. A Stochastic Approach to Combinatorial Optimization and Neural Computing. John Wiley & Sons, Chichester.
[Pag76] Cailliez, F.; Pagès, J.P. (1976) Introduction à l’Analyse des Données. SMASH, París
[Cel89] Celeux, G.; Diday, E.; Govaert, G.; Lechevallier, Y.; Ralambondrainy, H. (1989) Classification Automatique des Données. Environnement Statistique et Informa-tique. Dunod-Informatique, París.
[ˇCer85]ˇCerny, V. (1985) “Thermodynamical Approach to the Traveling Salesman Problem: An Efficient Simulation Algorithm”, Journal of Optimization Theory and Applications 45: 41–51.
[Did80] Diday, E. y colaboradores (1980) Optimisation en Classification Automatique, 2 tomos. INRIA, Rocquencourt.
[Did82] Diday, E.; Lemaire, J.; Pouget, J.; Testu, F. (1982) Eléments d’Analyse de Données. Dunod, París.
[Eve93] Everitt, B.S. (1993) Cluster Analysis. 3a edición. Edward Arnold, Londres.
[Glo93] Glover, F. et al. (1993) “Tabu search: an introduction”, Annals of Operations Research, 41(1–4): 1–28.
[Gol89] Goldberg, D. E. (1989) Genetic Algorithm in Search, Optimization and Machine Learning. Addison-Wesley, Reading-Mass.
[Kir83] Kirkpatrick, S.; Gelatt, D.; Vecchi, M.P. (1983) “Optimization by simulated annealing”, Science220: 671–680.
[Kle90] Klein, R. W.; Dubes, R. C. (1990) “Experiments in projection and clustering by simulated annealing”, Pattern Recognition22: 213–220.
[Knu81] Knuth, D.E. (1981) Seminumerical Algorithms. Segunda edición, volumen 2 del libro The Art of Computer Programming. Addison-Wesley, Reading, Mass.
[Laa88] Laarhoven, P.; Aarts, E.; Korst, J. (1988)Simulated Annealing: Theory andApplications. Kluwer Academic Publishers, Dordrecht.
[Ler81] Lerman, I.C. (1981) Classification et Analyse Ordinale des Données. Dunod, París.
[Mur96] Murillo, A.; Trejos, J. (1996) “Classification tabou basée en transferts”, IV Journ. Soc. Frac. Classif., S. Joly & G. Le Calvé (eds.), Vannes: 26.1–26.4.
[Piz87] Piza, E. (1987) “Clasificación Automática Jerárquica Aglomerativa”, Revista de Ciencias Económicas 7(1).}
[Piz96] Piza, E.; Trejos, J. (1996) “Partitionnement par recuit simulé”, IV Journ. Soc. Frac. Classif., S. Joly & G. Le Calvé (eds.), Vannes: 27.1–27.4.
[Pre90] Press, W.H.; Flannery, B.P.; Teulolsky, S.A.; Vetterling, W.T. (1990) Numerical Recipes (Fortran Version). The Art of Scientific Computing. Cambridge University Press, New York.
[Rud94] Rudolph, G. (1994) “Convergence of a genetic algorithm”, IEEE Transactions on Neural Networks 5(1), 96–101.
[Sch78] Schektman, Y. (1978) “Estadística Descriptiva”, I parte, Memorias I Simposio Métodos Matemáticos Aplicados a las Ciencias, J. Badia, Y. Schektman y J. Poltronieri (eds.), Universidad de Costa Rica, San Pedro: 9–67.
[Tre96] Trejos, J. (1996) “Un algorithme génétique de partitionnement”, IV Journ. Soc.Frac. Classif., S. Joly & G. Le Calvé (eds.), Vannes: 31.1–31.4.
[Tre98] Trejos, J.; Piza, E.; Murillo, A. (1998) “Global stochastic optimization techniques applied to partitioning”, Advances in Data Science and Classification, M. Rizzi, M. Vichi & H.-H, Bock (eds.), Springer–Verlag, Berlin: 185–190.