dados2 = read.csv("~/R/TP1/DadosTP1AnaliseDesempenhocsv.csv", sep = ";")

# a) Determine os erros relativos para cada instância das várias MH e construa tabelas de frequências para cada uma delas.
erros.relativos <- data.frame(
  erro.ACO = (dados2$ACO - dados2$WT.optimo ) / dados2$WT.optimo,
  erro.PSO = (dados2$PSO - dados2$WT.optimo ) / dados2$WT.optimo,
  erro.ABC = (dados2$ABC - dados2$WT.optimo ) / dados2$WT.optimo )

tabela.erro.ACO = table(erro.ACO)
tabela.erro.PSO = table(erro.PSO)
tabela.erro.ABC = table(erro.ABC)

cbind(Freq.rel.ACO = prop.table(erro.ACO), Freq.rel.PSO = prop.table(erro.PSO),  Freq.rel.ABC = prop.table(erro.ABC))

# b) Compare graficamente o desempenho das MH na resolução das instâncias em estudo. É possível identificar uma técnica que seja a mais eficaz?

boxplot(erros.relativos)
# Podemos verificar que a técnina mais eficaz é a ABC.

# c) Calcule um sumário de estatísticas para os erros relativos de cada MH. Compare os resultados obtidos com os resultados das alíneas anteriores.

summary(erro.ACO)
summary(erro.PSO)
summary(erro.ABC)