Graph Clustering by Means of Evolutionary Algorithms

Abstract

Rozdělení vrcholů grafu do shluků podle jejich vzájemné podobnosti je užitečnou součástí datové analýzy, může však být značně složité. Pro ten- to problem existuje mnoho různých algoritmů a přístupů, jedna z možností je využití genetických algoritmů. V této práci se zabýváme shlukovacími algoritmy obecně i v oblasti grafů. Navrhli jsme několik algoritmů založených na myšlence genetického algoritmu a tyto algoritmy byly porovnány na základě provedených experimentů. V rámci práce byla též vytvořena serverová aplikace obsahující implementace navržených algoritmů.

Partitioning nodes of a graph into clusters according to their simi- larities can be a very useful but complex task of data analysis. Many dierent approaches and algorithms for this problem exist, one of the possibilities is to utilize genetic algorithms for solving this type of task. In this work, we analyze dierent approaches to clustering in general and in the domain of graphs. Several clustering algorithms based on the concept of genetic algorithm are proposed and experimentally evaluated. A server application that contains implementations of the these algorithms was developed and is attached to this thesis.