El algoritmo de agrupamiento es considerado uno de los algoritmos de minería de datos más potentes y populares en la comunidad de investigación. Sin embargo, a pesar de su popularidad, el algoritmo tiene ciertas limitaciones, incluidos problemas asociados con la inicialización aleatoria de los centroides que conducen a una convergencia inesperada. Además, dicho algoritmo de agrupamiento requiere que el número de grupos se defina de antemano, lo que es responsable de diferentes formas de grupos y efectos de valores atípicos. Un problema fundamental del algoritmo es su incapacidad para manejar varios tipos de datos. Este artículo proporciona una visión estructurada y sinóptica de la investigación realizada sobre el algoritmo para superar tales deficiencias. Se discuten variantes de los algoritmos, incluidos sus desarrollos recientes, donde su efectividad se investiga en base al análisis experimental de una variedad de conjuntos de datos. El análisis experimental detallado junto con una comparación exhaustiva entre diferentes algoritmos de agrupamiento diferencia nuestro trabajo en comparación con otros documentos de encuestas existentes. Además, destaca una comprensión clara y exhaustiva del algoritmo junto con sus diferentes direcciones de investigación.