@MASTERSTHESIS{ 2018:585253348,
 	title = {Heurística para sintonização de metaheurísticas aplicada ao Problema de FlowShop Permutacional.},
 	year = {2018},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2286",
 	abstract = "Muitos problemas de Otimização Combinatória são considerados NP-Difíceis e portanto requerem
 um alto custo computacional para serem resolvidos por algoritmos exatos. Uma alternativa
 promissora é a utilização de metaheurísticas, modelos algorítmicos genéricos capazes de encontrar
 boas soluções para problemas de otimização complexos em tempo razoável. Contudo, para
 que as metaheurísticas obtenham soluções de qualidade, parâmetros de diversos tipos devem ser
 calibrados.
 Ao problema de encontrar o melhor ajuste para esses parâmetros dá-se o nome de Sintonização.
 Usualmente, o processo de encontrar configurações ótimas em um espaço de busca de parâmetros
 possui dificuldade igual ou superior à busca de soluções ótimas no espaço de soluções do
 problema, tal obstáculo torna o estudo da sintonização pouco atrativo aos pesquisadores, que
 preferem abordagens mais baratas baseadas em tentativa e erro ou experiência de especialistas.
 Como não existe um padrão na sintonização, pesquisadores tendem a ajustar parâmetros seguindo
 abordagens próprias que influenciam de diferentes modos a eficácia de seus algoritmos,
 dificultando a comparação e aperfeiçoamento dos mesmos devido a aspectos pouco mensuráveis.
 Este trabalho apresenta um método de sintonização heurístico denominado Cross-Validated
 Racing (CVR) que agrega validação cruzada ao processo de sintonização por corrida buscando
 alcançar uma perspectiva de generalização por Aprendizagem de Máquina, obtendo assim
 soluções de qualidade para instâncias desconhecidas.
 Para a validação do CVR, um algoritmo genético de chaves aleatórias e viciadas híbrido (BRKeCS)
 foi projetado e aplicado para resolver problemas do tipo FlowShop Permutacional com
 instâncias randômicas e realistas. Os resultados computacionais demonstraram que a CVR é
 robusto ao encontrar uma configuração de parâmetros efetiva com um erro residual médio de
 menos de 2:3% quando comparado com outras metaheurísticas desenvolvidas especialmente
 para o problema uma vez que requer processo de treinamento em apenas metade do conjunto
 total de instâncias. Também verificou-se a estabilidade da qualidade de soluções do CVR quando
 a topologia do espaço de busca é modificada pela alteração de instâncias aleatórias para as
 realísticas.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}