Resumo:
Métodos de otimização combinados à simulação a eventos discretos têm sido utilizados nas mais diversas aplicações. Entretanto, estes métodos possuem baixo desempenho em relação ao tempo computacional, ao manipularem mais de uma variável de decisão. Dessa forma, o objetivo deste trabalho é desenvolver um algoritmo genético adaptativo para otimização não linear de modelos de simulação, capaz de atingir bons resultados em termos de eficiência e qualidade de resposta, quando comparado a uma ferramenta de otimização comercial. Para tal, foi utilizado o delineamento de experimentos para definir os parâmetros mais significativos do algoritmo genético, e, para estes parâmetros, foram propostas adaptações. Pôde-se verificar que os parâmetros tamanho de população e número de gerações foram os mais significativos. Desta forma, estratégias adaptativas foram propostas a estes parâmetros, focando principalmente a definição do tamanho da população inicial e seu incremento ao longo das iterações realizadas pelo algoritmo de otimização. Foi implementado também um critério de parada para o algoritmo, baseado na melhoria da qualidade das soluções ao longo das gerações, e dois conjuntos de parâmetros foram definidos para os operadores genéticos de crossover e mutação. As alterações introduzidas no algoritmo fizeram com que este conseguisse apresentar bons resultados, tanto em termos de qualidade de resposta, quanto em termos de tempo necessário para sua convergência, quando comparado aos resultados alcançados por um software comercial na otimização de oito objetos de estudo.
