Sistema de meta-aprendizado para a seleção de meta-heurísticas para o problema do caixeiro viajante
Resumo
O Problema do Caixeiro Viajante (PCV) é um problema de otimização com muitas variações para as quais existem muitas meta-heurísticas (MH) capazes de gerar boas soluções. É difícil saber previamente a MH que produzirá a melhor solução para um dado PCV. Este artigo propõe uma abordagem baseada em meta-aprendizado para selecionar a MH mais promissora para novos exemplos de PCV. Essa abordagem é baseada em meta-modelos induzidos a partir de técnicas de aprendizado de máquina em um conjunto de meta-dados. Cada instância do meta-dados é um exemplo de PCV descrito por características (meta-atributos) do problema e por um extit{ranking} de desempenho das MHs (meta-atributo alvo). Os meta-modelos induzidos são usados para indicar uma lista ordenada de MHs para novas instâncias. Os resultados experimentais mostram que a abordagem proposta é bastante promissora.
