PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: CHRYSTIAN GUSTAVO MARTINS NASCIMENTO
DATA: 18/04/2019
HORA: 09:00
LOCAL: Auditório do DEINF
TÍTULO: META-APRENDIZAGEM PARA SELEÇÃO DE ALGORITMOS SINTONIZADOS APLICADO AO PROBLEMA DE FLOW SHOP PERMUTACIONAL
PALAVRAS-CHAVES: Meta-aprendizado.métododecorrida.Representação baseada em grafos. Problema de escalonamento Flow Shop Permutacional.
PÁGINAS: 66
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: 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 pode fornecer uma solução mais efetiva ao definir qual 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;
MEMBROS DA BANCA:
Presidente - 1091306 - ALEXANDRE CESAR MUNIZ DE OLIVEIRA
Externo à Instituição - ANDRE CARLOS PONCE DE LEON FERREIRA DE CARVALHO - UNIFESP
Externo ao Programa - 2019434 - BRUNO FERES DE SOUZA
Interno - 1564359 - LUCIANO REIS COUTINHO