Resumen

La integración de técnicas de aprendizaje automático y algoritmos metaheurísticos es un área de interés debido al gran potencial de aplicaciones. En particular, el uso de estas técnicas híbridas para resolver problemas de optimización combinatoria (COPs) para mejorar la calidad de las soluciones y los tiempos de convergencia es de gran interés en la investigación operativa. En este artículo se explora la técnica de aprendizaje no supervisado db-scan con el objetivo de utilizarla en el proceso de binarización de algoritmos metaheurísticos de inteligencia de enjambre continuo. La contribución del operador db-scan al proceso de binarización se analiza sistemáticamente mediante el diseño de operadores aleatorios. Además, se estudia el comportamiento de este algoritmo y se compara con otros métodos de binarización basados en clusters y funciones de transferencia (TFs). Para verificar los resultados, se aborda el conocido problema de cobertura de conjuntos y se resuelve un problema del mundo real. Los resultados muestran que la integración de la técnica db-scan produce resultados consistentemente mejores en términos de tiempo de cálculo y calidad de las soluciones cuando se compara con TFs y operadores aleatorios. Además, cuando se compara con otras técnicas de clustering, vemos que consigue mejorar significativamente los tiempos de convergencia.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:proceso de binarización, algoritmo metaheurístico, operador aleatorio, técnicas de aprendizaje no supervisado, integración de la máquina, técnicas de aprendizaje de la máquina, db, inteligencia de enjambre continuo, términos de computación, tiempo de convergencia mejorado
• Keywords:binarization process, metaheuristic algorithm, random operator, unsupervised learning techniques, integration of machine, machine learning techniques, db, continuous swarm intelligence, terms of computation, improved convergence time