@MASTERSTHESIS{ 2017:1655489742,
 	title = {Meta-aprendizagem aplicada a problemas de máxima satisfabilidade},
 	year = {2017},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2063",
 	abstract = "Meta-aprendizado tem sido aplicado com sucesso em problemas de otimização, como o
 problema do Caixeiro Viajante (PCV) e Máxima Satisfabilidade (MaxSAT). Este último é
 um problema NP-Difícil, relevante para o estudo de problemas acadêmicos e industriais.
 No entanto, a maior parte da pesquisa atual no problema MaxSAT foca em métodos de
 solução exata. Devido à necessidade de soluções boas em um período de tempo reduzido,
 a utilização de meta-heurísticas é considerada neste trabalho. Além disso, propõe-se
 um framework de meta-aprendizagem para seleção de meta-heurísticas para o problema
 MaxSAT, o que inclui nova representação abstrata baseada em grafos, derivação de um
 novo conjunto de meta-características e definição de mecanismos de aprendizagem baseados
 em experiência obtida a priori. Experimentos comprovam que o arcabouço é eficaz para
 seleção de meta-heurística e de seus parâmetros para instâncias MaxSAT. As novas metacaracterísticas
 derivadas da representação baseada em grafo podem ser consideradas tão
 boas quanto o estado da arte atual. As medidas propostas de características de grafos
 podem ser aplicadas em trabalhos futuros a outras classes de problemas",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}