Otimização utilizando metamodelos e algoritmos evolucionários

Abstract

A otimização tem sido utilizada nos diversos ramos da engenharia para uma variedade de objetivos distintos e refere-se à obtenção da melhor solução para um determinado problema. Na prática esses problemas requerem um extensivo processamento computacional para realizar uma simples análise. Além disso, quando se deseja aperfeiçoar um problema, a obtenção do projeto ótimo pode tornar-se inviável uma vez que o procedimento de otimização requer sucessivas avaliações das funções e suas derivadas. Entretanto, são apontados na literatura inúmeras alternativas para superar tais dificuldades. Uma delas refere-se à criação de modelos substitutos, que são construídos a partir da simplificação da função real complexa, através de aproximações locais utilizadas com a estratégia de Otimização por Aproximação Sequencial (SAO). Outra alternativa, é o uso de otimizadores que utilizam algoritmos metaheurísticos (que não requerem cálculos de gradientes no processo de otimização), que, geralmente, imitam algum fenômeno da natureza e são comumente chamados de algoritmos evolucionários. Neste contexto, será apresentada a Otimização utilizando o algoritmo de Enxame de Partículas (PSO).