Meta-heurística BRKGA-QL aplicada em um problema de agrupamento com restrições semi-supervisionado

Abstract

Este trabalho propõe uma implementação da meta-heurítica Algoritmo Genético com Chaves Aleatórias Viciadas (BRKGA, do inglês Biased Random-Key Genetic Algorithm) com o algoritmo de aprendizado por reforço Q-Learning (BRKGA-QL) aplicado ao Problema de k-medóides Semi-Supervisionado (SSKMP, do inglês Semi-Supervised K-Medoids Problem). O objetivo do problema é agrupar os elementos do conjunto de dados de entrada, com auxilio de informações de supervisão fornecidas, de tal forma que os elementos que pertencem ao mesmo grupo (cluster) são mais semelhantes entre si, do que elementos de clusters distintos. Dessa forma, a partir dos clusters formados é possível obter informações sobre as características e comportamentos dos dados analisados. A análise dos experimentos comparou algoritmo proposto com os métodos estado-da-arte na literatura.