Resumo:
A complexidade dos problemas de otimização multiobjetivo tem levado diversos pesquisadores a desenvolver e aperfeiçoar métodos e algoritmos capazes de solucionar estes problemas de maneira adequada e eficiente. Alguns métodos aplicáveis à otimização multiobjetivo, como o Método do Critério Global, realizam a aglutinação das diferentes respostas através da atribuição de pesos, que priorizam as funções mais importantes. Uma maneira de solucionar um problema multiobjetivo é utilizar o Método do Critério Global para definir o problema e depois empregar o Algoritmo Genético como o algoritmo de busca da solução ótima para este problema. Um obstáculo geralmente encontrado na utilização do Algoritmo Genético é a necessidade de configuração de diferentes parâmetros responsáveis pelo funcionamento do algoritmo, devido à dificuldade em determinar os melhores valores para estes, já que não existe um consenso sobre quais seriam os valores mais adequados. Uma configuração inadequada desses parâmetros pode influenciar no desempenho do algoritmo, levando-o a localizar soluções insatisfatórias. Este trabalho aborda a complexidade de problemas de otimização multiobjetivo, em relação à determinação dos pesos aplicados às funções objetivo e a interação que pode haver entre estes pesos e os parâmetros do algoritmo utilizado na solução deste problema. Foi proposto um procedimento experimental que aplica o planejamento de experimentos, através de um arranjo de misturas combinado com variáveis de processo, na avaliação da influência dos parâmetros do algoritmo genético na solução do problema e da interação destes com os pesos atribuídos às funções objetivo, além de possibilitar a determinação dos pesos e parâmetros ótimos para a solução do problema em questão. O procedimento proposto foi aplicado na otimização do processo de soldagem com arame tubular empregada em uma operação de revestimento de chapas de aço carbono com aço inoxidável e os parâmetros do algoritmo genético avaliados foram o tamanho da população, a taxa de crossover e o tipo de mutação. O método provou ser eficiente, permitindo a detecção de interações significativas entre os parâmetros analisados e os pesos das funções objetivo, além de permitir a análise da influência dos parâmetros na solução do problema e de ter determinado os pesos e parâmetros ótimos para a utilização na otimização do processo de soldagem. Como resultados, destaca-se a grande influência do tipo de mutação no resultado da otimização e a grande interação entre os parâmetros taxa de crossover e tamanho da população.
