Anais do Simpósio Brasileiro de Pesquisa Operacional
Anais do Simpósio Brasileiro de Pesquisa Operacional

Para resolver problemas de otimização combinatória, é comum o uso de métodos huerísticos e metaheurísticos (MH) para obter soluções com boa qualidade, apesar de não serem ótimas. Todavia, a seleção apropriada de tais métodos dentre diversas opções disponíveis mostra-se como um problema de otimização adicional, denominado Problema de Seleção de Algoritmos. Para lidar com essa questão, é possível formular estratégias de meta-aprendizado que usem de técnicas de Aprendizado de Máquina (ML) para gerar modelos capazes de recomendar o algoritmo mais adequado ás características de cada instância. Nesta pesquisa, um estudo de caso de tal abordagem para a recomendação de heurísticas do tipo Lin-Kernighan na solução de instâncias do Problema do Caixeiro Viajante foi conduzido e as métricas de desempenho de classificação dos modelos foram comparadas. Ainda, uma análise de importância de atributos foi feita para avaliar como as características das instâncias do problema interferem nos resultados de predição. Os resultados experimentais mostram que foi possível conduzir tal análise, e modelos de bom desempenho preditivo foram obtidos.