[論文レビュー] Towards balanced clustering - part 1 (preliminaries)

Mark Sh. Levin|arXiv (Cornell University)|Jun 9, 2017

Multi-Criteria Decision Making被引用数 4

ひとこと要約

本稿は、基数、重み、クラスタ間接続、多様な要素構造の観点からクラスタの不均衡を定量化するための新しいバランスインデックスを提案する、バランスクラスタリングの基盤となるフレームワークを提示する。複数基準最適化問題を定式化し、ラジオ工学ラボにおける学生チーム設計の事例を通じてその応用を示し、基数分散を最小限に抑え（B^c = 1）、高い適合スコアを達成した。

ABSTRACT

The article contains a preliminary glance at balanced clustering problems. Basic balanced structures and combinatorial balanced problems are briefly described. A special attention is targeted to various balance/unbalance indices (including some new versions of the indices): by cluster cardinality, by cluster weights, by inter-cluster edge/arc weights, by cluster element structure (for element multi-type clustering). Further, versions of optimization clustering problems are suggested (including multicriteria problem formulations). Illustrative numerical examples describe calculation of balance indices and element multi-type balance clustering problems (including example for design of student teams).

研究の動機と目的

• 複数の次元にわたる主要なバランスインデックスを定義することにより、バランスクラスタリングの包括的フレームワークを確立すること。
• クラスタのサイズだけでなく、重み、接続性、構造的組成の観点からもバランスの取れたクラスタを形成するという課題に対処すること。
• 不均衡を最小限に抑えながらクラスタ適合性と品質を最大化する複数基準最適化モデルを開発すること。
• ラジオ工学ラボにおける学生チーム編成という実世界の事例を通じて、提案モデルの実用的適用性を示すこと。
• 不確実性や動的環境下におけるバランスの取れた組合せ最適化分野における今後の研究の基盤を築くこと。

提案手法

• クラスタ基数用のB^c、クラスタ重み用のB^w、クラスタ間エッジ重み用のB^v、多様なタイプの要素構造を扱うためのB^sの4つの主要なバランスインデックスを提案する。
• B^cを最小化すると同時に、最小クラスタ構造推定値とクラスタ間適合性を最大化する複数基準最適化定式化を導入する。
• ヒューリスティック手法を適用：(1) クラスタ数を推定し、(2) 評価基準（適合性と構造）を優先順位付けし、(3) パレート基準に従いクラスターカーネルを選択し、(4) 適合性指標を用いてカーネルを拡張する。
• 2要素間の適合性に基づく適合スコアε(X_ι)を用い、クラスタ拡張を誘導する。
• 各クラスタごとに最小スキル水準要件を満たすため、ベクトルベースの優位関係ξ(X_ι) ⪰ ξ₀を導入する。
• 13名の学生を対象とした数値例を通じて妥当性を検証し、バランスの取れたサイズの4つのチームを形成した。

実験結果

リサーチクエスチョン

• RQ1 サイズ、重み、接続性、要素構造といった複数の次元にわたるクラスタ不均衡を、どのように定量的に測定できるか？
• RQ2 サイズ分散を最小限に抑えながらクラスタ品質を最大化するなど、複数の矛盾する目的をバランスさせる最適化モデルは何か？
• RQ3 NP困難な組合せ最適化設定において、ヒューリスティック手法がどのようにしてバランスの取れたクラスタを効果的に構築できるか？
• RQ4 適合性とスキル構造は、教育的または協働的状況における高品質でバランスの取れたチーム編成において、どのような役割を果たすか？
• RQ5 提案されたバランスインデックスとモデルは、ネットワーク設計、負荷分散、製造システムなどの他の分野へどのように一般化できるか？

主な発見

• 学生チーム事例において、提案されたバランスインデックスB^cは1を達成しており、クラスタ間での基数不均衡が最小であることを示している。
• 解におけるすべてのクラスタが最小スキルベクトル要件ξ(X_ι) ⪰ (2,3,3,2) を満たしており、バランスの取れたチーム構成が保証されている。
• クラスタ間の平均適合スコアは9.25であり、個々のクラスタのスコアは8から15の範囲に分布している。
• クラスタ間エッジ重みのバランスインデックスB^v = 7であり、中程度ではあるが受け入れ可能なクラスタ間接続性を示している。
• ヒューリスティック手法により、重複のない4つのバランスの取れたチームが成功裏に構築され、すべての制約を満たし、主要なバランス指標が最適化された。
• このフレームワークにより、複数のバランス基準を備えた複雑なクラスタリング問題の体系的モデリングが可能となり、教育および工学分野における実世界応用を支援する。