Sistema de meta-aprendizado para a seleção de meta-heurísticas para o problema do caixeiro viajante

  • Jorge Yoshio Kanda UFAM

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.

Palavras-chave: aprendizado de máquina, meta-atributos, ranqueamento de ́ rótulos, problema de seleção de algoritmos.
Publicado
27/05/2014
Como Citar

Selecione um Formato
KANDA, Jorge Yoshio. Sistema de meta-aprendizado para a seleção de meta-heurísticas para o problema do caixeiro viajante. In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 10. , 2014, Londrina. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2014 . p. 651-662. DOI: https://doi.org/10.5753/sbsi.2014.6153.