Clustering Gravitacional Adaptativo

Arias Chipana, Carlos Mauricio A.

School of Computer Science
San Pablo Catholic Univesity
Arequipa, Per
carlos.arias@ucsp.edu.pe

Patio Escarcina, Raquel Esperanza

School of Computer Science
San Pablo Catholic Univesity
Arequipa, Per
rpatino@ucsp.edu.pe

AbstractCurrently the problem of grouping patterns has

been investigated from many different contexts and for many
different researchers of diferent areas of research. This reflects
its usability in explorative data analysis, which is used in many
computing applications. In both sides, its design and in the
operators that generate them. Procedures of data analysis can
be divided into explorers and exploiters algorithms. This based
on the ability of models and source input data . However
conbinatory problems exists when generating clusters and other
problems that revolve around the context of the data to be
analyzed.
Natural computing is the foundation genesis of algorithms
based on how nature acts to solve efficiently problems that are
too complex. Many of which are used in artificial intelligence
and clustering has been designed in this way. Among these
are for example: neural networks [1], swarm algorithm as ant
colony systems [2], bee colonies systems [3], genetic algorithms
[4] , among others.
So the objetive of this work is the proposing and implementation
of a novel clustering method . Having the actual theory of
planet formation from a primordial nebula that rotates around
a star as inspiration. This is the protosolar nebula theory now
called SNDM. Basically we use diferent data sets to probe it.
Obtained results are good and there are plotted to help us to
see the final clusters.
Keywords-Clustering, Gravitational Forces, Artificial Intelligence, Data Mining, Data Visualization, Patterns, Solar Disk
Nebula Model.

I. I NTRODUCCIN
Se conoce como clstering a la clasificacin no supervisada
de patrones, basados en la similaridad de stos, denominados
clsters. De esta manera un patrn puede ser definido como
observaciones, puntos dimensionales en un espacio (sea
euclideno o vectorial), datos y/o vectores caratersticos, etc.
Intuitivamente podemos inferir que los patrones dentro de un
clster son ms similares a los elementos que pertenezcan a
otro. El clustering es tambin utlizado en muchos procesos
de anlisis exploratorio de datos, agrupamientos, toma
de decisines, aprendizaje de mquina, minera de datos,
extraccin de informacin, etc. Para informacion detallada
revisar [5]
Es importante entender la diferencia entre clstering y
clasificacin. Clstering se define como una clasificacin

Tpac Valdivia, Yvan Jess

School of Computer Science
San Pablo Catholic Univesity
Arequipa, Per
ytupac@ucsp.edu.pe

no supervisada de elementos donde el problema principal

es encontrar agrupamientos tiles a partir de un conjunto
de datos no relacionados. Clasificacin, en otro punto de
vista, se debe entender como un anlisis supervisado de
una coleccin de datos etiquetados pre-clasificados, donde el
objetivo es etiquetar nuevos patrones encontrados basados en
los ya clasificados.
La computacin natural, por otro lado, se basa en el
afn del hombre para resolver situaciones con las que se ha
encontrado a lo largo de la historia. Y que le han llevado
a la bsqueda de mtodos o algoritmos de resolucin que
le permitan resolver en tiempo y espacio todo tipo de
problemas. Adems se sabe que la naturaleza y los procesos
que en ella se realizan han sido una fuente constante de
inspiracin para poder encontrar dichos algoritmos. Por ende
es muy importante comprender dichos procesos, siendo la
naturaleza misma el fundamento de la computacin natural.
Teniendo en consideracin que la naturaleza resuelve los
problemas considerando una bsqueda probabilstica de
resultados a partir del conjunto de soluciones potenciales,
siendo en algunos casos de una manera eficiente, rpida y
escalable, [6]. Un ejemplo bien conocido de la aplicacin del
conocimiento obtenido de la biologa, son las ANN [7]. Entre
otros algoritmos tenemos: - Algoritmos evolutivos: SA, GA.
- Algoritmos de emjambre:ACS, BCO. - Computacin por
mebranas MC, etc.
Una metfora puede ser realizada de la siguiente forma.
El universo puede verse como un gran clster. En primera
instancia los planetas son clsters de partculas. Las estrellas
son clsters de planetas. Las galaxias son clsters de estrellas.
Los conglomerados son clsters de galaxias. Los sper
conglomerados son clsters de conglomerados de galaxias. Y
finalmente los filamentos son clsters de sper conglomerados
de galaxias. Viendo la magnitud del universo debemos
destacar que nuestro trabajo solamente se centra en el proceso
de creacin de los sistemas solares, formacin planetaria. Los
estudios sobre el origen de la nebulosa protosolar (SNDM)
datan del trabajo de Descrtes en el ao 1644. A pesar de la
existencia de diferentes teoras, es el modelo ms compatible
con las obsevaciones realizadas por [8] en 1644 y [9] en 1796.
El modelo laplaciano propone que el Sol y sus planetas

fueron formados debdo a la rotacin de una nebulosa de

gas incandescente aplanada hace unos 4.6 billiones de aos.
Dicha estrella fue formada al centro de la nebulosa y los
planetas, que en un inicio fueron denominados planetesimales,
[10], [9], [11], que orbtan en torno al cuerpo central de
masa dominante el cual acelera su velocidad de rotacin
conforme va decreciendo su temperatura. Estos planetsimos
al cruzarse en sus rbitas entonces colisinan, debido a la
fuerza gravitacional ejercida entre ambos, originando un
cuerpo de mayor masa. Este mecansmo operado a lo largo
del tiempo origina cuerpos de mayor tamao hasta que
eventualmente alcanzan las dimensiones de un planeta, [12],
[13].
Actualmente, con el incremento en la cantidad de informacin
obtenida tanto en las industrias como en la bsqueda de
nuevo conocimiento cientfico. Existe la necesidad de
generar clsters de una cantidad muy grande de patrones,
clstering masivo. Si bien las tcnicas de clusterizacin
permiten encontrar agrupamientos de patrones que presentan
similitudes entre s, los cuales sern utilizados posteriomente
para poder ubicar nuevos elementos existentes en sus
conjuntos respectivos. Existe una brecha entre la eficacia y
eficiencia de los mismos, puesto que ambas son inversamente
proporcionales. Se requiere por tanto algoritmos capaces de
tener un balance entre ambas variables
Motivados en la naturaleza del universo y su funcionamiento.
Nos centraremos el proceso de formacin planetaria de la
cual podemos, a grandes razgos, crear una analoga entre un
planeta, clster, que esta conformado por partculas de polvo,
patrones. El objetivo principal de este trabajo, es el desarrollar
un nuevo algoritmo de clusterizacin masiva. Proponiendo un
esquema basado en la teora de formacin planetaria, SNDM.
Que permita un balance entre la eficacia y la eficiencia en
el resultado de los clusters. En la seccin segunda, se dar
una breve descripcin sobre el estado del arte actual referente
al rea a abordar. En el tercero se describir a detalle la
teora de la nebulosa protosolar (SNDM). Seguidamente en
la seccin cuarta se presentar una descripcin formal del
algoritmo. En la quinta se mostrarn los resultados obtenidos
mientras que en las secciones sexta y sptima se podr ver
las conclusiones y trabajos futuros as como las posibles
extensiones al algoritmo en otros contextos, finalmente en la
seccin final.
II. T RABAJOS R ELACIONADOS
La ley de gravitacin universal ha sido utilizada ya
ampliamente desde 1977, ao en el cual Wright [14] di a
conocer un nuevo algoritmo de clusterizacin basado usando
la gravedad como mtrica de agrupamiento. El trabajo de [14]
propone un algoritmo aglomerativo y jerrquico para realizar
agrupamientos en espacios eucldeos. El algoritmo propone
que cada partcula es incialmente un clster. Aplicando las
leyes fsicas de gravitacin universal y la dinmica de cuerpos.

Modela un sistema dnamico para generar clusterizacin.

El algoritmo propone que dada una partcula i esta es
influenciada por todas las partculas en el sistema. Siendo
esta la razn por la cual su tiempo de ejecucin es de O(N 2 ).
Sin embargo asegura una interaccin completa modelando
de mejor manera el fenmeno. Una vez que una partcula es
acreta, esta sale del sistema y la nueva posicin de cualquier
otra se calcula usando las partculas restantes. Cuando dos
partculas estan muy cerca una de la otra son mezcladas,
siendo una de ellas removida de la simulacin y la masa de
la otra es incrementada con la masa de la partcula removida.
Existe una mxima distancia que cada partcula puede
moverse en cada interacin, siendo este parmetro fijo por el
usuario. La simulacin termina cuando solo queda una sola
partcula en el sistema. Finalmente se debe considerar adems
que dicha propuesta no utiliza una constante gravitacional.
Una propuesta ms avanzada es realizada por Gomez
[15] propone una nueva simulacin dinmica. las principales
ventajas respecto a la propuesta establecida por Wright
[14], son la velocidad, robustez y el no determinismo (no
supervisadas). La propuesta de Gomez [15] indica que una
partcula sera influenciada solo por otra mas no por todo
el sistema. A su vez, los clusters son formados usando una
estuctura de uniones y bsqueda, por lo cual nunca se ve
reducido el nmero de patrones. Los valores necesarios para
asegurar un la validez de un clster son muy pequeos, todo
ellos variando entre E 4, bajo los experimientos realizados,
se puede determinar que dichos valores solo son alcanzados
tras haber transcurrido miles de iteraciones. Como otra
limitacin el algoritmo propuesto por [15] utiliza solamente
el 1% de la data proyectada en espacios euclideos pequeos,
dicho problema ser resuelto por la propuesta presentada en
este trabajo.
Un trabajo que toma como base el trabajo presentado
por Gomez [15], es la propuesta presentada por Zhang [16].
Dicha propuesta sigue toda la metodologa implementada
por Gomez [15], eliminando todo tipo de valor constante,
en pocas palabras, no utiliza una constante gravitacional, no
existe masas, no existe variacin de tiempo. La propuesta
desarrollada por Zhang usa la premisa la variacion
keppleriana de distancias es la razon entre distancia y
su valor al cubo . Los resultados presentados siendo
buenos, requieren de una cantidad grande de iteraciones y
se trabaja sobre datos proyectados en espacios eucldeos
pequeos. Ambas propuestas [15] y [16] tienen un tiempo de
complejidad de O(N).
Debemos considerar que la aplicacin de la fuerza
gravitacional es ampliamente utilizada en varias areas.
Existen investigaciones que explican el uso de dicho factor
para la generacin de mapas autorganizativos [17], clustering
jerrquico [18], bsqueda avanzada [19]. Sin embargo solo
estos tres trabajos usan la fuerza gravitacional para resolver

el problema de clusterizacin , es por esta razn que este

trabajo toma como base dichos algoritmos para proponer uno
que trate de resolver el problema de tiempo, velocidad y
robustez.

III. L A T EORA DE LA N EBULOSA P ROTOSOLAR (SNDM)

A continuacin se describe la teora que explica como los
sistemas solares son formados a partir de una nebulosa de gas
y polvo primordial. Como es que la fuerza de gravedad acta
sobre pequeos objetos planetesimos provocando el impacto
de unos con otros, lo que favorece la constitucin gradual
de estructuras cada vez mayores que evolucionron y dieron
lugar a los embriones planetarios. En cada regin del disco
comienza a dominar un solo gran embrin (protoplaneta).
Estos son los cuerpos ms grandes que terminan atrayendo los
fragmentos ms pequeos, de forma que barren todo lo que
van encontrando en su rbita al ir colisionando con ellos. La
algoremacin de estos cuerpos mediante impactos sucesivos
permiti ms tarde la aparicin de los planetas y satlites.
Adems las colisiones entre dichos cuerpos estableciron la
composicin rocosa y gaseosa de los planetas.

A. La Nebulosa Protosolar
La teora de la nebulosa protosolar SNDM sostiene que
el Sol se form a partir del colapso gravitacional de un
fragmento de nube molecular gigante de varios aos luz de
dimetro. Debdo a la conservacin del momento angular, la
nube presolar empieza a girar ms rpido conforme colapsa
y se enfra. El material dentro de la nube se comienza a
condenzar incrementando la colisin de las partculas y la
energa cintica se convierte en calor. De esta manera la
zona central en la que se acumla la mayor parte de la
masa se calienta mucho ms rpido que la regin externa.
La competicin entre gravedad, preson del gas, los campos
magnticos, y la rotacin da lugar a la contraccin de la
nube en un disco protoplanetario de unas 200 AU de dimetro.
En el centro del disco se forma entonces, una protoestrella
densa y caliente. En un perido de unos 50 millones de aos,
la temperatura y la densidad en el ncleo de la protoestrella
aumentan de manera sosteniada hasta que el hidrgeno
comienza a fusionarse, lo que marca la entrada del Sol en su
primera fase de existencia, la la secuencia principal. Mayor
informacin acerca de la formacin de estrellas es revisada
en [20]. La evolucin de discos protoplanetarios es mostrada
en [13], [21], [22], y [23]. Informacin ms detallada puede
ser encontrada en libro de [24] Protostars and Planets III.
Los planetas se forman entonces a partir del disco protosolar
remanente que orbita alredededor de la nueva estrella recin

Fig. 1. Estrella jveb tpica de dos salidas, conocida por ser una protoestrella
binaria, con un disco solar de un rdio de aproximadamente 10 AU y una
masa de unos 0.05 masas solares. [25], [26]. Se puede Observar a grandes
razgos como esta formado un disco de acrecin y las proporciones del mismo
respecto a la protoestrella.

formada a travs de un mecansmo conocido como acrecon.

Las partculas del gas colisinan entre s de manera inlastica
formando agregados cada vez mayores. En cuanto alcanzan
tamaos lo suficientemente grandes su atraccin gravitatoria
favorece su acumulacin. Esto da lugar a objetos que rondan
los 5 kilmetros de dametro denominados planetsimales.
Los cuales incrementan gradualmente su tamao al colisionar
entre s y con objetos ms pequeos, creciendo a un ritmo
de varios centmetros al ao a lo largo de varios millones
de aos. Ver Figura 1. Los cometas y los asteroides se cree
que son planetsimales sobrantes de la formacin del sistema
solar.
B. Planetsimos
Una definicin formal sobre planetsimos es presentada a
continuacin:

Los planetsimales son objetos slidos, que surgen durante

el proceso de acresin planetaria, cuya fuerza interna es
dominada por su propia gravedad y cuyas dinmicas
orbitales no son significativamente afectadas por la friccin
del gas. Esto corresponde con un tamao aproximado de un
1 kilometro en la nebulosa solar.
Este trmino tambin es usado actualmente para nombrar
a cometas, meteoritos y cuerpos similares. Tambin es
sabido que los cuerpos ms pequeos que los planetsimos
caen en un Movimiento Bowniano en el gas lo que origina
las colisiones y permite el pegado entre ellos. Muchos
planetesimos eventualmente se rompen en colisiones violentas

Fig. 2. Los granos de polvo se sitan lentamente en el plano central de la

nebulosa debido al componente vertical de la gravedad solar. Esto forma una
capa slida y muy rica en minerales. [30]

tales como 4 Vesta [27] y 90 Antiopia [28] , solo unos

cuantos sobrevivenn para continuar creciendo y convertirse
en planetas.
Hace cerca de los 3.8 billones de aos despus del
periodo denominado LHB muchos de los planetsimos fueron
eyectados fuera del sistema solar. Lo que actualmente forma
la Nube de Oort, o colisionron, debido a su gran fuerza
gravitacional, con los planetas gigantes tales como Jupiter y
Neptuno. Algunos fueron capturados como lunas tales como
las lunas de Marte, Phobos y Deimos, y otros muchos como
lunas de los planetas gaseosos gigantes.
Cuatro etapas son descritas en la creacin de planetesimales.
La etapa inicial es la condensacin de partculas de polvo
del gas de la nebulosa solar al disminuir su temperatura.
Estas partculas de polvo se sitan en un disco muy delgado
el cual es gravitacionalmente inestable, ubicado en el plano
central, en un tiempo aproximado de 10000 aos [29]. [30].
Ver figura 2 y 3. Una primera generacin de planetesimos,
quienes tienen un rango de radio no mayor a 100 metros,
son formados del disco de polvo por el colapso gravitacional
directo de densidades slidas. El disco resultante, compuesto
por la primera generacin de planetsimales contina siendo
inestable, y los planetsimos son agrupados en clsters que
contienen aproximandamente 10000 elementos.
En la escala de unos pocos miles de aos, la contraccin
de estos planetsimos forman una segunda generacin de
planetsimales que tienen un radio de unos 5 kilometros.
Dichos planetsimos siguen colisionando de manera directa
hasta llegar a tener el tamao de un protoplaneta el cual
ya tendr una gravedad propia y un tamao de unos 100
kilometros de dimetro.[31], [12]. Cabe destacar que todos
los planetesimos y el polvo se encuentran bajo la influencia
del viento solar generado por accin de la photoevaporation
causada por los rayos ultravioletas del Sol.
C. Formacin de los embriones planetarios, Acrecin Gravitacional
Las rocas mas masivas atren gravitacionalmente otras

Fig. 3. El viento solar, el cual escapa por accin de la photoevaporation por

los rayos ultravioletas, genera una friccin en la capa generada, lo cual hace
que esta tenga una contextura consistente. [30]

rocas y polvo, formando planetsimos de varios km de

tamao (t 1 millon de aos)
Esta etapa inicia cuando la mayor cantidad del material
slido a sido formado en planetsimos de pocos kilmetros
de dimetro. Como esos cuerpos ya han sido formados
es poco importante su tamao, lo que importa es que los
cuerpos sean lo suficimiente grandes gravitacionalmente
para perturbar a sus vecinos ms cercanos. Las colisiones
entre dichos cuerpos conllevan a la acrecin a menos que la
velocidad del impacto sea ms alta que velocidad de atraccin
gravitacional del objetivo, o el impacto se de con un ngulo
de incidencia. [32], [33].
Un planetesimal acrece de sus hermanos en una taza
que depende del nmero de objetos por unidad de volmen
y la velocidad del planetesimal velocidad relativa Vrel a los
otros objetos. Si la Vrel es alta, un planetsimal colisiona solo
con los objetos que pasan directamente en frente de l. Si
la Vrel es pequea, la gravedad del planetesimal atraer el
material ms distante hacia s mismo. Este foco gravitacional
incrementa la fecuencia de las colisiones. No tan a menudo,
los planetsimos pasan sin colisionar, pero su trayectoria se
ve cambiada por la interaccin de las gravedades. El efecto
acumulativo de muchos encuentros cercanos determina la
velocidad del planetesimal relativa a otros objetos en la
nebulosa. Cuerpos muy grandes tienden a tener velocidades
cortas y viceversa, este estado se le denomina friccin
dinmica. Ver Figura 4. Todo sucede mientras la friccin
del gas realiza esfuerzos para determinar las rbitas de los
planetesimos siendo estas circulares y coplanares, reduciendo
la Vrel .
Inicialmente los plantsimos devran vorazmente objetos
pequeos. Conforme estos van creciendo la velocidad Vrel va
disminuyendo y el foco gravitacional se vuelve muy efectivo.
Los cuerpos mas grandes son denomidandos embriones
planetarios, aquellos que crecieron ms rpidamente que
otros en un proceso llamado crecimiento descontrolado. Este
crecimiento descrontrolado disminuye cuando los embriones

Fig. 4. Los cuerpos grandes tienden a tener una velocidad relativa baja como
resultado de los nmerosos encuentros gravitacionales. Cuando cuerpos muy
largos pasan cerca de otros sus trayectorias son centradas por su atraccin
gravitacional. Los cuerpos pequeos vuelan tan rpido que no son afectados
por su atraccin mutua y por ende crecen mas rpidamente. [30]

planetarios se vuelven cerca de 100 veces ms masivos que

un planetesimo tpico. Es entonces que las perturbaciones
gravitacionales propias del planetsimo determinan la Vrel
antes que las perturbaciones de los otros planetsimos [34].
La acrecin entra entonces en un rgimen autoregulado
llamado crecimiento oligrquico. Los planetsimos continan
creciendo ms que otros plantesimos. Pero los embriones en
regiones vecinas del disco son forzados a crecer a una taza
similar. Cada vez que un embrin se vuelve ms codicioso,
los eventos conspiran para permitir a todos los embriones
cercanos el alcanzarlo. Mientras ms masivo se vuelva
un embrin, perturba mas fuertemente a los planetsimos
cercanos aumentado de este modo la Vrel de estos. Entonces
el foco gravitcaional es reducido y los embriones crecen mas
lentamente de lo que lo hara un embrin pequeo.
Como en toda oligarqua, cada embrin marca una regin
de influencia, o zona de alimentacin en el disco. Una zona
de alimentacin es una regin anular de un acho de 0.001
AU. Una combinacin de friccin dinmica y ocasionales
interacciones gravitacionales entre embriones vecinos actan
para mantener esos cuerpos ampliamente espaciados. Cada
embrin crece de su zona de alimentacin, dando a los
embriones composiciones qumicas distintas. El crecimiento
oligrquico tiene una duracin de 0.1 a 1 millon de aos.
Desde el tiempo cuando los planetsimos aparecen en grandes
cantidades. [35], [36]. Esta etapa termina cuando el nmero
de planetsimos disminuye tanto que ellos no pueden contener
ms las accines de los embriones. Con la muerte de los
planetsimales, la friccin dinmica se apaga. Los embriones
se alejan ms all de sus zonas de alimentacin y de los
colapsos mencionados anteriormente. Entonces los cuerpos
comienzan a interactuar fuertemente y chocan entre s. La
acrecin de los planetas ahora entra en una larga fase terminal

Fig. 5. Resultados de simulaciones numericas de la etapa final del proceso de

acrecin de los planetas interiores. Se muestran dos simulaciones realizadas
en [38]. Para esto se divide la nebulosa en cuatro zonas diferentes de material,
los cuadros de pie representan a los planetas y estos estan en proporcin con
su rdio. En cada cuadro se muestra la cantidad de material diferente en cada
planeta, lo cual nos sirve como prueba resultante del proceso de acrecin
cataclismica. [30]

llamada acrecin cataclsmica.

D. De embriones a planetas, Acrecin Cataclsmica

Embriones planetarios colisionan para formar los planetas
rocosos y los ncleos de los planetas gaseosos. (t 3 - 200
millones de aos)
La etapa final de la acrecin planetaria envuelve unas
cuantas docenas de embriones comparadas con la masa Luna
o Marte (0.01 - 0.1 de la masa de la Tierra). Perturbaciones
gravitacionales entre los embriones incrementan sus
velocidades relativas. El foco gravitacional se vuelve
dbil y la taza de acrecin decrece dramticamente. Con el
tiempo, los embriones se dispersan entre s hacia el interior o
el exterior, y el orden radial establecido durante el crecimiento
oligrquico se combina. Los planetas finales son una mixtura
de material de una amplia regin de la parte interior de
la nebulosa. Aun cuando cada planeta se alimenta ms del
material de su zona local la mixtura es diferente para cada
planeta [37] Ver Figura 5. Por ejemplo la Tierra y Venus esta
compuestos por una docena o ms de embriones planetarios,
sin embargo Marte y Mercurio contienen material de unos
pocos.
Tras este perido solamente sobrevivirn aquellos que sern
los planetas finales que orbiten a la estrella central (Sol).
Una explosin, que lmpia de todo tipo de impurezas al
sistema, es generada al final de la creacin de la estrella
central. Creandose la actal Nube de Oort. Esta ltima etapa
es altamente catica. Dependiendo del resultado indivual
de eventos tales como si un encuentro cercano entre dos
embriones resulta en una colisin de los mismos. La escala

de tiempo depende en s la nebulosa de gas sigue presente.

En presencia de una nebulosa de gas con masa mnima,
la Tierra puede haber sido formada en solo 5 millones de
aos [39]. En la ausencia de cantidades significantes de gas,
la Tierra tomara aproximadamente 100 millones de aos
en formarse, segn simulaciones nmericas en el trabajo
presentado en [38],[40]. Los planetas interiores acreciern de
planetsimos que actualemente se encuentran en el cinturn
de asteroides. Estos planetsimos tienen una configuracin
diferente a aquellos formados cerca del Sol. Cabe destacar
que el cintron de asteroides es una fuente importante de agua
y otros materiales voltiles que ahora existen en la Tierra [41].
Durante esta etapa algunos embriones caen al Sol despus
de perderse en el cinturn de asteroides. Colisiones a alta
velocidad entre embriones conllevan a la fragmentacin de
los mismos. estas velocidades son mucho ms altas cerca
de Sol. Lo cual convirto a Mercurio en blanco de mltiples
impactos, explicando adems su tamao. Una fraccin de
colisiones entre embriones eyectan una cantidad sustancial
de material dentro de una orbita alrededor del nuevo objeto
formado [40]. Por ejempo , la Luna fue formada a partir de
los escombros que orbitaban la tierra despus de que esta
sufriera el impacto de un embrin del tamao de Marte [42].
Se puede observar que el proceso de creacin de los
planetas a partir de una nebulosa primordial es un proceso
altamente complicado. Pero se puede apreciar como es que
la naturaleza encuentra un proceso relativamente sencillo
para algo tan complejo. De esta manera usaremos una
metfora de este proceso para poder abstraer el como la
naturaleza se encarga de hacer clsters (planetas) a partir
de grandes cantidades de materia de una manera eficiente y
rpida (en unidades astronmicas). En el siguiente captulo
mostraremos el algoritmo base abstrado de la SNDM descrita
anteriormente.

IV. P ROPUESTA
Se procedere a mostrar el diseo del nuevo algoritmo
propuesto. Mostrando la analoga de cada etapa descrita en
la SNDM con nuestro algoritmo. En cada etapa descrita
se mencionarn los operadores y las mtricas usadas para
poder validar los clsters generados de manera adecuada. Se
puede notar, finalmente, que el algoritmo consta solamente
de dos fases poniendolo a la par con otros algoritmos ya
implementados.

A. Nebulosa Protosolar - Inicializacin

Dado un nmero n de patrones S = {(x0 , x1 , x2 , ..., xn ) / n
R}. Que representan a un conjunto de datos de entrada,

tales como imgenes, texto, entre otros. Cada patrn xi

es representado mediante un vector carcteristico de m
caractersticas definido F = {( f0 , f1 , f2 , ..., fm ) / m R}
Una partcula es definida como la tpla P(xk ,C), donde
xk es el patrn que la partcula representa. El contenedor
asociado, c de patrones xk es definido debido a que cada
partcula esta propensa a entrar en movimiento y acretar ms
patrones a su contenedor asociado C con un centrode c.
Debemos notar que cada partcula es inicializada estableciendo
su xk como el primer patrn en c. Adems cada partcula
posee un identificador nico y un radio.

B. Proceso de Acreccin Gravitacional

Sea g0 el coeficiente de gravitacin universal, actualmente
con un valor de g0 = 6.66E 11 . Se define una funcin de
reduccin de dicho coeficiente como:
1
g(t) = g0 ( ) , 0 1
t

Dicha variacin es establecida ya que con el paso del

tiempo el valor de la constante gravitacional se reduce en el
unvierso. El Big Crunch supone que todo el sistema en el
universo llegar nuevamente a ser una partcula debido a la
interaccin entre la fuerza gravitacional de los cuerpos. La
funcin de variacin propuesta, al reducir el coeficiente de
gravitacin, permite adems evitar dicho fenmeno y poder
variar el coeficiente incial de gravitacin para que de esta
manera se pueda aumentar y/o reducir el tiempo de ejecucin
el algoritmo.
Se sabe que la fuerza de atraccin gravitacin universal,
depende del coeficiente g(t), las masas y la distancia entre
dos cuerpos i y j. La fuerza gravitacional de una partcula i
influenciada por una partcula j se define como:
Gi, j (t) = g(t)

im jm
I jc ic I2

Se realiza una modificacin para que esta pueda ser usada

en los clsters. Puede existir el caso de solapamiento en
el cual dos patrones sean completamente iguales pero con
identificadores distintos, en dicho caso un valor k es agregado
a la distancia para evitar inconsistencias en el calculo. Dicho
valor puede ser establecido como k 1, de esta manera el
resultado final no se ve afectado. Tomar en cuenta que al
inicio del algoritmo cada partcula es en potencia un clster,
algo muy comn en los algoritmos de clusterizacin masivos.
La nueva ecuacin gravitacional se define como:
Fi, j (t) = g(t)

im jm
I jc ic I2 + k

 k R, k 1

gravitacional es alta, el desplazamiento ser alto. Por ende se

debe tener en consideracin una posible colisin directa. Esto
es fcil de reparar al establecer que:

i, j S

Si D(i, j,t) a( j i), D(i, j,t)/2

La segunda Ley de Newton establece que: El cambio
de movimiento es proporcional la fuerza motriz impresa y
ocurre segn la lnea recta a lo largo de la cual la fuerza
se imprime. Dicha ley es utilizada para poder clcular la
aceleracin de cada partcula en el sistema. Se define entonces
que la aceleracin de una partcula i influenciada por una
partcula j es:
Sea a =

Fi, j
F
, reemplazando ai, j =
m
mi

Lo cual establece una colisin directa no elstica entre

partculas. Segn la teora de la SNDM y como en todo
algoritmo de clusterizacin masivo. Cada clster debera ser
usado como un atractor en potencia. Un nuevo concepto es
por esta razn introducido. Se define como el lmite de roche,
a la mnima distancia que debe existir entre dos cuerpos para
que uno no sea atrado por el otro y entren en proceso de
colisin.
El limite de roche para dos cuerpos lquidos con radio
R y r, respectivamente. Se define como:

El vector aceleracin se define como:

~
~ = a(t) d
a(t)
~
IdI

R
Ll = 2.456 R ( )1/3
r

Siguiendo con las leyes de movimiento, el desplazamiento

para un movimiento acelerado esta definido:

Mientras que para cuerpos rgidos de masas M y m, cambia

a:
2 M 1/3
Lrig = R (
)
m

d = v0 t +

~a t 2
2

Para poder dar un comportamiento estocstico al sistema la

velocidad incial es nula, v0 = 0. Al reemplazar la aceleracin
y la velocidad se la ecuacin antes definida, se obtiene el
coeficiente de desplazamiento que tendr una partcula i hacia
una partcula j.
d(i, j,t) =

g(t) jm t 2
(2 I jc ic I3 ) + k

Puesto que la masa es inversamente proporcional al

movimiento de una particula, el coeficiente de movimiento
debe ser dividido por la masa de cada partcula. Teniendo
como resultado.
d(i, j,t) =

t2

g(t) jm
[(2 I jc ic I3 ) + k] im

Finalmente el desplazamiento de una partcula i hacia una

partcula j representada bajo un vector con direccin, esta
definida mediante la ecuacin:
D(i, j,t) = ( j i) d(i, j,t)
D(i, j,t + 1) = D(i, j,t) + ( j i) d(i, j,t)
Un muestreo aleatorio es realizado para poder
la interaccin entre las partculas del sistema.
partculas i y j ambas se desplazan segn el
gravitacional en direcciones opuestas. Cuando

determinar
Sean dos
coeficiente
la fuerza

Cabe mencionar que para cada caso el lmite de roche de

cuerpos muy pequeos esta definido como: Ll = 2.5 R y
Lrig = 1.44 r, respectivamente.
Dicho valor puede ser establecido por el usuario y determinar
el nivel de coalescencia de los clsters en el sistema. Por
convencin se establece que el lmite para cuerpos rgidos es
de 1.44 lr, donde lr es el valor ingresado por el usuario. Una
vez que una partcula entra en la condicin antes especificada,
dicha partcula es retirada del sistema para ser insertada
dentro del contenedor del clster al que pertence. Como paso
siguiente, la partcula que quedo en el sistema tendra el valor
medio de la distancia entre i y j.
limiteRoche I jc ic I2
Conforme un clster se va moviendo en el sistema y debido
a la interaccin con otros clsters ciertos elementos son
dispersados fuera del mismo. Pudiendo agruparse en nuevos
clsters. Este comportamiento es modelado mediante el ndice
de covarianza de cada clster, al que denominaremos como
radio.
radioi =

1 m
IC[k] cI
m k=0

Si Ii CI 2 radio, S(i)
Esto quiere decir que s una partcula i se encuentra ms
aleajada que el ndice de covarianza del clster al que

pertenece, entonces deber ser reinsertada en el conjunto

S que contiene a todas las partculas para que pueda ser
acretada por otro clster o formar el suyo. Dicha dinmica
representa la interaccin del viento solar en el modelo fsico.

Propiedad
Complejidad
Resultado final
Dinmica

Algoritmo
O(logN)
Depende de parmetros
Mvil

Otros
O(N 2 logN)
Un gran cluster
Esttica

TABLE I
C OMPARACIN DE LA PROPUESTA CON OTROS ALGORITMOS
ALGOMERATIVOS .

C. Proceso de Acreccin Cataclsmica

Despus de un determinado nmero de interaciones, llega
un momento en que las partculas dejan de moverse y se
sitan en su espacio final. Si el algoritmo contina iterando,
se llegar a un bigcrunch al cabo de miles de iteraciones.
Sin embargo, una vez llegado a un punto de estabilidad en el
sistema se procede a realizar la acrecin de estos subclusters
en clusters de mayor tamao.
Para conseguirlo se establece un valor de entrada minDist,
que actuar como valor de segmentacin y unin. Sea S el
conjunto de partculas parcialmente acretadas, aquellas cuya
distancia sea menor al valor minDist sern acretadas por
dicho clster. De esta manera se consigue que el algoritmo
sea ms adaptativo.

convierte al algoritmo en un sistema completamente dinmico.

Al presentar la segunda etapa del algoritmo. La cantidad de
interaciones para obtener resultados favorables se reduce, en
propuestas anteriores la cantidad de iteraciones necesarias
es extraordinariamente grande. Sin embargo en este trabajo
dicho nmero se ve reducido y depende del valor minDist
que dar el nivel de agregacin de los clsters. A mayor
cantidad de iteraciones menor la cantidad de planetsimos
por acretar mayor el nivel de coalescencia de los clusters
finales. Debemos notar adems que el algoritmo no utiliza
ninguna estructura avanzada. Solo es necesitada un vector de
partculas. Esto para evitar un uso excesivo de recursos.

Si , S j S/IS j Si I minDist S j (Si )

B. Comparacin con otros algoritmos
Al final de este proceso bajo una cantidad mucho menor de
iteraciones, se obtendr el nmero de clsters automticamente
en un tiempo mucho menor. Tambin cabe resaltar finalmente
el uso de un valor de limpieza de ruido cr que se encargar
de filtrar a aquellos clsters cuya cantidad de elementos sea
menor al valor cr, ruido del sistema. Se define como ruido
del sistema aquellas partculas que no pertencen a ningun
cluster que estando lo suficietemente alejadas presentan un
movimiento mnimo hacia las demas partculas en el sistema.
Siim cr, S.delete(i)

En el trabajo propuesto por Jain [5], se muestran tcnicas

de las cuales se puede decir que este algoritmo se clasifica
como una tcnica aglomerativa. En la tabla I se muestra
las similaridades entre este algoritmos y otros algoritmos
aglomerativos.

Este algoritmo se inicia con n diferentes clsters cada uno con

un nico patron, al igual que todos los algoritmos masivos. En
cada iteracin, ms de dos clsters pueden ser unidos si dos
puntos seleccionados aleatoriamente son lo suficientemente
cercanos, en comparacin con otros algoritmos aglomerativos
donde siempre se unen dos elementos.

V. I MPLEMENTACIN Y R ESULTADOS

A. Anlisis de complejidad
El tiempo de ejecucin del sistema puede estimarse
fcilmente que es O(log2 n) puesto que durante cada iteracin
el muestreo de cada partcula permite que el conjunto
inicial S de elementos se reduzca. El clculo del indice de
covarianza de cada clster se realiza de manera incremental,
por ende el tiempo de clculo no es significativo. Los
centroides de cada cluster son calculados conforme estos
van moviendo durante su recorrido. Es asi que se presenta
un aprendisaje hebbiano para todas las partculas, lo cual

C. Diferencias entre algoritmos similares

Aunque este algoritmo usa la fuerza gravitacional para la
generacin de clsters al igual que los trabajos presentados
por [14], [15] y [16], existen diferencias establecidas entre
ellos. La tabla II permite resumir dichas variaciones.

Propiedad
Complejidad
Parada
Nro de part.
Masa
Gravedad

Propuesta
O(logN)
Nro Iter
Var
Var
Dpnd. m-t

Wright
O(N 2 )
Nro Part.
Var
Var
Dpnd. masa

Gomez
O(N)
Nro Iter
N
6
Const

Zhang
O(N)
Nro Iter
Var
6
Const

TABLE II
C OMPARACIN DE LA PROPUESTA CON OTROS ALGORITMOS SIMILARES .

F. Parmetros de acrecin
A lo largo de la propuesta se debe establecer dos parmetros
para poder generar los clusters, dichos parmetros no son
tan importantes pero si significativos. Determinan el nivel
de segmentacin. Si son demasiado grandes generarn malos
clsters. Tras los experimientos realizados , se propone que
el valor de acresin sea de un 10% mientras que el valor
minDist de un 20% para la obtencin de resultados favorables.

G. Implementacin

Fig. 6. Se puede observar como la fuerza de gravedad es reducida mediante

la funcin de reduccin logartmica propuesta en el captulo anterior. Dicha
fuerza se mantiene con una reduccin uniforme sin llegar a ser nula, permitiendo que las partculas pasado un tiempo se establescan en una posicin
concreta.

El algoritmo fue implementado en su totalidad haciendo

uso del Lenguaje C++. Se uso el esquema de programacin
genrica y conceptual. Adems de un uso mesurado de
templates para clculos estticos realizados mediante
metaprogramacin. Todo lo anterior fue realizado para tener
una programacin segura y asegurar de esta manera los
resultados obtenidos.

D. Parmetro de fuerza gravitacional

H. Resultados
Un parametro importante en el algoritmo es la constante de
fuerza gravitacional. A diferencia del trabajo de [15] y [16]
en los cuales si este valor es demasiado grande crea solo un
gran clster y si es pequeo no crea ni uno. En esta propuesta
establecer una funcin de decrecin logartmica (ver figura
6 se evita ese problema. Esta nueva propuesta permite un
balance, si en caso el parmetro inicial es grande, ayudar en
la formacion inicial y no se ver afectado el algoritmo puesto
que nuestra ecuacin de movimiento depende adems de las
masas. Finalmente cabe resaltar que en la propuesta de [14]
no se utiliza una constante de fuerza gravitacional.

Para la realizacin de los resultados fueron generadas

ciertas pruebas y comparadas con algoritmos como kmeans, y
el clustering gravitacional propuesto por [15] y [16]. Los data
sets utilizados fuern extraidos del conjunto de datasets para
clustering de University of Eastern Finland de la facultad de
Speech and Image Processing Unit. Se realiza la comparacin
de cada prueba con un kmeans. Mientras tanto cabe mencionar
que para efectos de visualizacion todos los patrones fuern
proyectados usando al herramienta PEX-Image, y luego de
obtener la reduccin de dimensionalidad se procedi a la
ejecin de algoritmo propuesto.

E. Parmetro de variacin de tiempo

Las figuras 7, 8, 9, y 10 fueron las pruebas realizadas

para el dataset S1, que cuenta con 5000 patrones esparcidos
en una imagen de 1000x1000. La prueba consisto de un total
de 300 iteraciones y el proceso de unin. Un coeficiente de
gravedad de 100, una taza de acrecin de 10 y 20 y un valor
de limpieza de ruido en un rango de [0-300] para eliminar
aquellos elementos que posean una cantidad menor de datos.

Cuando los patrones se encuentran dispersados de manera

muy distante la fuerza de gravedad ser muy pequea, por
ende el movimiento de las partculas tambin lo es. Este
fenomeno es algo muy comn en el modelo fsico en el
cual nos basamos y es la razn que explica los grandes
periodos hablando de millones de aos. Dicho problema
puede ser evitado estableciendo un valor de variacin de
tiempo. Sin embargo se debe tener cuidado, pues si este valor
es demasiado alto hara que todas las partculas se acreten
formando un gran clster, por esta razn se recomienda un
valor dos digitos menor al mximo de todos los elementos.

Continuando en las figuras 11 y 12, son el resultado de

aplicar el algoritmo al dataset IRIS que cuenta con 150
patrones. Finalmente se realiz una prueba para clusterizacin
por forma. La imagen de entrada llamada P1, consta de 5400
patrones en un espacio de 200x200 pixeles, los resultados

Fig. 7. Data set S1 de prueba, utilizado como entrada para la propuesta.

consta de 5000 patrones agrupados en 15 clusters diferentes.
Fig. 9. Prueba realizada con el dataset S1 de U.E.F. utilizando el algoritmo
propuesto, se puede observar una correcta divisin automtica de los clsters.

Fig. 8. Prueba realizada con el dataset S1 de U.E.F. utilizando el algoritmo

K-means, se puede observar que ciertos grupos son mesclados, esto sucede
por que el kmeans busca crear clusterings uniformes y balanceados.

pueden verse en las figuras 13, 14, 15.

Fig. 10. Prueba realizada con el dataset S1 de U.E.F. utilizando el algoritmo

propuesto. En este ejemplo se muestra la variacin de factor de limpieza de
ruido (0-300) y unin (minDist), se puede observar claramente que los clsters
se mantenien mas solo varia la densidad de los mismos.

Fig. 11. Data set IRIS de prueba, utilizado como entrada para la propuesta.
consta de 150 patrones agrupados en 2 clusters diferentes.
Fig. 13. Data set P1 de prueba, utilizado como entrada para la propuesta.
Consta de 5400 patrones agrupados en 5 clusters diferentes por forma.

Fig. 12. Prueba realizada con el dataset IRIS de U.E.F. utilizando el algoritmo
propuesto, se puede observar una correcta divisin automtica de los clsters.

Finalmente podemos notar que los resultados obtenidos

son favorables y cumples nuestras espectativas de crear un
mapa de similaridad basado en consultas. En pocas palablas,
Clusters de elementos asociados entre si mismos y a su vez
a consultas determinadas.

VI. C ONCLUSIN
Como hemos podido apreciar a lo largo de este trabajo.
Debemos notar lo siguiente. La naturaleza nos provee de
soluciones para problemas complejos. En este trabajo nos
inspiramos en una teora que fue formulada hace ms de un
siglo atrs pero que actualmente ya ha sido comprobada.
Simplemente estamos usando una teora de la astrofsica para
aplicarla a un contexo computacional. El universo de por si es
un gran clster. Lo que se busca en este trabajo, en un aspecto
trascendental, es intentar demostrar que a veces debemos
levantar la mirada al cielo para encontrar nuevas soluciones,
queda mucho por descubrir y usar. Esperamos haber dado
un paso ms y de esta manera abrir la imaginacin a nuevos
investigadores demostrando que todo aspecto aspecto natural
puede ser usado para llegar a hacer computacin.

Fig. 14. Prueba realizada con el dataset P1 de U.E.F. utilizando el algoritmo

K-means. Se puede observar que ciertos grupos son mesclados, esto sucede
por que el kmeans busca crear clusterings uniformes y balanceados.

Siendo ms tcnicos. El algoritmo presentado se espera

nos abra las puertas las puertas a un nuevo conjunto de
tcnicas para generar clustering. Seguimos adems un modelo
evolutivo de mejora en los clsters sin salir del esquema
bsico que nos dice que toda tnica de clustering debe
poseer como mximo dos fases, por razones de eficiencia
(descartamos la primera etapa pues es una inicializacin).
Algo muy interesante que se ha podido mostrar, es la
aplicacin indirecta de la teora de caos que rige sobre todo
cuerpo grande. Nos dimos cuenta de esto, pues de un inicio
completamente catico llegamos a un estado de estabilidad
al detenerse el algoritmo. Finalmente nuestro esquema nos
provee el poder realizar consultas esto quiere decir que
tenemos varias reas de inters inmersas en ella. Inciando
desde una bsqueda por densidad, una etapa evolutiva, y
una etapa de extraccin de informacin. Finalmente al usar
las leyes fsicas de gravitacin universal se esta validando
los clsters, esto quiere decir que se genera una validacin

R EFERENCES

Fig. 15. Prueba realizada con el dataset P1 de U.E.F. utilizando el algoritmo

propuesto. Se puede observar una correcta divisin automtica de los clsters.

implcita constante.

A. Problemas encontrados
A nuestros resultados falta an establecer mejoras para
que estos sean ms exactos, pero como hemos podido
apreciar existe una tendencia natural a generar resultados
prometedores. Debemos dejar en claro que muchas mejoras
pueden realizarse para generar mejores resultados tanto el
la etapa de acrecin gravitacional as como en la acrecin
cataclsmica, dejamos por ende abierta la posibilidad de
nuevos cambios.

B. Recomendaciones
Este algoritmo es altamente paralelizable pues cada partcula
puede ser vista como un hilo de evolucin. Teniendo la
posibilidad de ser extendido a programacion multihebra y
masivamente paralelo.

C. Trabajos futuros
Como trabajos futuros podemos alegar el uso de nuevas
mtricas para generar los clsters. As como el modelamiento
de nuevas etapas que en este trabajo quedaron fuera, como el
echo de simular distintos tipos de colisiones, y formacin de
satelites (sub-clusters), entre otros procesos astro-fsicos.
Finalmente se espera realizar una implementacin paralela
haciendo uso de estrategias de paralelizacin masiva tales
como CUDA y OPENCL. Para poder realizar la paralelizacin
solamente debe ser modificada el proceso de acrecin puesto
que esa es la etapa ms complicada del algoritmo.

[1] C. Fife, Artificial neural networks 1/e, Department of Computing and

Information Systems,University of Paisley, Room L117, 1996.
[2] B. Baran and M. Almiron, Colonia de hormigas en un ambiente paralelo
asincrono. Ph.D. dissertation, 2002.
[3] H. A. Abbass, A monogenous mbo approach to satisfability. proceeding of the international conference on computational intelligence for
modeling control and automation, CIMCA., 2001.
[4] E. Ozcan, A. J. Parkes, and A. Alkan, The interleaved constructive
memetic algorithm and its application to timetabling, Computers and
operations research, pages 2310 - 2322, 2011.
[5] A. K. Jain, M. N. Murty, and P. J. Flynn, Data clustering a review,
1999.
[6] J. R. Hilera and V. J. Martinez, Redes neuronales articiales. Ph.D.
dissertation, Alfa Omega, Madrid, Espaa., 2000.
[7] , Redes neuronales articiales. fundamentos, modelos y aplicaciones, RA-MA Editorial ISBN: 84-7897-155-6., 1995.
[8] R. Descartes, Principia philosophia, Amsterdan, 1644.
[9] P. Laplace, Exposition du system du monde, Paris, 1976.
[10] I. Kant, Allegmeine naturgeschichte und theorie des himmels. Koingsburg, 1775.
[11] J. J. Lissauer, Planet formation, Anual Reviews Inc. Provided by NASA
Astrophysics Data System, 1993.
[12] P. J. Santamaria, Codigo de arbol para la dinamica de planetesimales,
PhD thesis, Facultad de ciencias astronomicas y geofisicas - Universidad
Nacional de la Plata, 2004.
[13] D. Lin and J. Papaloizou, On the structure and evolution of the
primordial solar nebula, Royal Astronomical Society, NASA astrophysics
Data System, 1979.
[14] W. Wright, Gravitational clustering, Pattern recognition, pergamon
press vol. 9 pp. 151-166, 1977.
[15] J. Gomez, D. Dasgupta, and O. Nasraoui, A new gravitational clustering
algorithm, Proceedings of the third SIAM International Conference on
Data Mining, 2003.
[16] T. Zhang and H. Qu, An improved clustering algorithm, Proceedings
of the third international symposium on computer science and computational technology, pages 112-115, 2010.
[17] N. Ilc and A. Dobnikar, Gravitational clustering of the self - organizing
map, Adaptative and Natural Computing Algorithms., 2011.
[18] P. S. Bishnu and V. Bhattacherjee, Gravitational base hierarchical
clustering algorithm, ACEEE International Journal on comunication,
2014.
[19] E. Rashedi, H. Nezamabadi, and S. Saryazdi, Gsa: Gravitational search
algorithm, Information Sciences Volume 179, issue 13, 2009.
[20] F. Shu, S. a. lizano, and F. Adams, Astrophysics, Anual Reviews Inc.
Provided by NASA Astrophysics Data System, 1987.
[21] A. Cameron, The origin of the solar system, Ed, Dermot, S. F. Wiley,
Chichester., 1977.
[22] A. Boss, The solar nebula, Carnegie Institution of Washington, DC,
USA., 1989.
[23] S. Ruden and J. Pollack, Astrophysics, Anual Reviews Inc. Provided
by NASA Astrophysics Data System, 1991.
[24] E. Levy, J. Lunine, , and M. Matthews, Protostars and planets iii,
Tucson, Univ. Ariz. Press. In press, Room L117, 1993.
[25] R. Snell, R. Loren, and R. Plambeck, Observatios of co in l1551 evidence for stellar wind driven shocks, Astrophysics 239, pp. 1722,
1980.
[26] A. Boss., G. Morrill, and W. Tscharnuter, Astrophysics. Anual Reviews
Inc. Provided by NASA Astrophysics Data System., 1989.
[27] D. Savage, T. Jones, and R. Villar, Ateroid or mini planet? hubble maps
the ancient surface of vesta, Hubble Site News Release STScl-1995-20,
1995.
[28] F. Marchis, J.E.Enriquez, J. Emery, J.Berthier, and P. Descamps, The
origin of the double main belt asteroid 90 antiope by componentresolved spectroscopy, DPS meeting 41 American Astronomy Society.,
2009.
[29] S. Weidenschilling, Dust to planetesimals, Icarus 44, 1980.
[30] J. E. Chambers, Making more terrestrial planets, Icarus 152, pp. 205
224, 2001.

[31] P. Goldreich and W. R. Ward, The formation of planetesimals, The

Astrophysical Journal, 183, 1973.
[32] W. Benz and E. Asphauhg, Catastrophic disruptions revisited, Icarus
142, pages 5-20, 1995.
[33] Z. Leinhardt, D. Richardson, and T. Quinn, Direct nbody simulations
of rubble pile collisions, Icarus 146, pp. 133151, 2000.
[34] S. Ida and J. Makino, Scattering of planetesimals bye a protoplanet.
showing down of runaway growth, Icarus 106, pp. 210227, 1993.
[35] E. Thommes, M. Duncan, and H. Levison, Oligarquic growth of giant
planets, Icarus 161, 2003.
[36] S. Weidenschilling, D. Spaute, D. Davis, F. Marzari, and K. Ohtsuki,
Accretional evolution of a planetesimal swarm, Icarus 128, 1997.
[37] J. E. Chambers, Planetary accretion in the inner solar system, Earth
and Planetary Science Letters 223, 2004.
[38] J. E. Chambers and P.Cassen, The effects of nebula surface density
profile and giant-planet accentricities on planetary accretion in the inner
solar system, Meteoritics 37, 2002.
[39] C. Hayashi, K. Nakazama, and Y. Nakagawa, Formation of the solar
system, Proto-Stars and Planets III, Tucson. Univ. Ariz., 1985.
[40] C. Agnor, R. Canup, and H. Levison, On the character and consequences of large impacts in the late stage of terrestrial planet formation,
Icarus 142, pages 219-237, 1999.
[41] A. Morbidelli, J. Chambers, J. Lunine, J. Petit, F. Robert, G. Valsecchi,
and K. Cyr, Source regions and time scales for the delivery of water
to earth, Meteoritics 35, 2000.
[42] R. Canup and E. Asphaug, Origin of the moon in a giant impact near
the end of earths formation, Nature 412, pp. 708712, 2001.