@MASTERSTHESIS{ 2019:1726990219,
 	title = {Meta-aprendizagem para seleção de algoritmos sintonizados aplicada ao Problema de Flow Shop Permutacional.},
 	year = {2019},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2706",
 	abstract = "Meta-heurísticas são estratégias de busca de alto nível que orientam a busca para regiões
 mais promissoras do espaço da solução e tentam escapar das soluções ótimas locais. Porém,
 devido a heterogeneidade das instâncias dos problemas de otimização combinatória não é
 garantido que uma meta-heurística consiga obter sempre a melhor solução em um conjunto
 de meta-heurísticas, por isso a seleção de algoritmo, como a meta-aprendizagem, pode
 fornecer uma solução mais efetiva ao definir qual meta-heurística escolher de acordo com
 as características estruturais das instâncias. Neste trabalho propõe-se um framework de
 meta-aprendizagem para seleção de meta-heurísticas sintonizadas por método de corrida,
 que inclui meta-características extraídas a partir da representação baseada em grafo
 do problema e definição das meta-classes a partir das meta-heurísticas sintonizadas.
 Experimentos mostraram que a abordagem é eficaz para seleção de meta-heurísticas e
 de seus parâmetros para instancias Flow Shop. E que as meta-características escolhidas
 conseguem extrair informações estruturais relevantes para o problema abordado.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}