Mejora del algoritmo K-means mediante una meta-heurı́stica orientada a la reducción de su complejidad computacional

El algoritmo de agrupamiento K-means ha tenido un uso generalizado en varios dominios y en una gran cantidad de aplicaciones, debido a su facilidad de implementación computacional, sin embargo, una de sus limitaciones es su alta complejidad computacional. En este sentido se propone una nueva meta-heurı́stica, a la que denominamos N-means, que permite reducir la complejidad de K-means de manera importante, posibilitando que con los mismos recursos computacionales se resuelvan instancias más grandes y en menor tiempo. Para validar la propuesta, se realizaron experimentos con datasets reconocidos por la comunidad cientı́fica, y se contrastaron los resultados con los obtenidos con el algoritmo K-means estándar. En particular se encontró que con N-Means se obtuvieron reducciones de tiempo hasta de un 91% y una disminución de la calidad de sólo 5.5%. Es destacable que con base en el análisis de los resultados se observó un comportamiento cuasi lineal de N-means.