Os algoritmos de agrupamento têm por objetivo reunir uma série de objetos ou instâncias em grupos, ou clusters, de objetos semelhantes ou relacionados. Desta forma, esses algoritmos fornecem um meio de explorar e analisar estruturas presentes nos dados. Porém, muitos desses algoritmos são deterministicos (hill-Climbing) e tendem a encontrar soluções em mínimos locais, não necessariamente o mínimo global. Além disso, uma mesma técnica de agrupamento utilizada em um mesmo conjunto de dados pode resultar em diferentes formas de agrupar esses dados (Zeng et al. 2002). Abordagens evolutivas têm se mostrado muito eficientes para a obtenção de soluções globais e têm obtido bons resultados para problemas de agrupamento (Jain et al. 1999). Neste relatório será apresentado um estudo de diferentes métodos que combinam Algoritmos Genéticos (GA) com algoritmos de agrupamento.