| dc.contributor | Jaskowiak, Pablo Andretta | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Trinidad, Juan Carlos Guerra | |
| dc.date | 2022-08-03T18:03:56Z | |
| dc.date | 2022-08-03T18:03:56Z | |
| dc.date | 2022-07-27 | |
| dc.date.accessioned | 2023-09-02T11:17:16Z | |
| dc.date.available | 2023-09-02T11:17:16Z | |
| dc.identifier | https://repositorio.ufsc.br/handle/123456789/237689 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8593888 | |
| dc.description | TCC (graduação) - Universidade Federal de Santa Catarina. Campus Joinville. Engenharia de Transportes e Logística. | |
| dc.description | O presente trabalho tem como objetivo empregar e avaliar estratégias de aprendizado
de máquina para escolher meta-heurísticas promissoras para o problema do Traveling
Salesman Problem (TSP), o qual caracteriza-se por ser um problema de otimização
combinatorial. Na grande maioria das instâncias de TSP não se sabe qual é a solução
ótima. Heurísticas e meta-heurísticas são comumente usadas nos problemas de TSP
para encontrar soluções de qualidade em um curto período de tempo. Uma vez que
diferentes meta-heurísticas podem produzir soluções de qualidade variada, ocorre que
não há uma melhor meta-heurística para todas as instâncias. Desse modo, este trabalho
explora o uso de métodos de aprendizagem de máquina para criar uma meta-heurística
de aprendizagem (meta learning), a fim de identificar quais meta-heurísticas são mais
promissoras para solucionar instâncias especificas do TSP, definidas por conjuntos
de características (meta features). Com a realização dos experimentos, observou-se
que os modelos de meta learning podem prever com precisão quais meta-heurísticas
são mais adequadas para diferentes cenários do TSP. Os resultados obtidos dos
experimentos também mostram que os métodos de aprendizado utilizados no modelo
tem um impacto importante na qualidade das soluções obtidas. | |
| dc.format | application/pdf | |
| dc.language | pt_BR | |
| dc.publisher | Joinville, SC | |
| dc.rights | Open Access | |
| dc.subject | Meta Learning | |
| dc.subject | Aprendizado de Máquina | |
| dc.subject | Meta-Heurísticas | |
| dc.subject | Traveling Salesman Problem | |
| dc.title | Aplicação de meta learning para escolha da melhor meta-heurística em problemas de caixeiro viajante | |
| dc.type | TCCgrad | |
