Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-15T14:16:25Z No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:40:31Z (GMT) No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) / Made available in DSpace on 2016-01-25T17:40:31Z (GMT). No. of bitstreams: 1 denisemanueldacostavargas.pdf: 16589539 bytes, checksum: 44a0869db27ffd5f8254f85fb69ab78c (MD5) Previous issue date: 2015-11-05 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Problemas de Otimização Multiobjetivo (POMs) com restrições são frequentes em diversas áreas das ciências e engenharia, entre elas a Otimização Estrutural (OE). Apesar da Evolução Diferencial (ED) ser uma metaheurística muito atraente na resolução de problemas do mundo real, há uma carência na literatura de discussões sobre o desempenho em POMs de OE. Na sua grande maioria os problemas de OE apresentam restrições. Nesta tese utiliza-se uma técnica para o tratamento de restrições chamada de APM (Adaptive Penalty Method) que tem histórico de bons resultados quando aplicada em problemas monobjetivo de OE. Pelo potencial da ED na resolução de problemas do mundo real e da técnica APM em OE, juntamente com a escassez de trabalhos envolvendo esses elementos em POMs de OE, essa tese apresenta um estudo de um algoritmo bem conhecido de ED acoplado à técnica APM nesses problemas. Experimentos computacionais considerando cenários sem e com inserção de informações de preferência do usuário foram realizados em problemas com variáveis continuas e discretas. Os resultados foram comparados aos encontrados na literatura, além dos obtidos pelo algoritmo que representa o estado da arte. Comparou-se também os resultados obtidos pelo mesmo algoritmo de ED adotado, porém sem ser acoplado à técnica APM, objetivando investigar sua influência no desempenho da combinação proposta. As vantagens e desvantagens do algoritmo proposto em cada cenário são apresentadas nessa tese, além de sugestões para trabalhos futuros. / Multiobjective Optimization Problems (MOPs) with constraints are common in many areas of science and engineering, such as Structural Optimization (SO). In spite of Differential Evolution (DE) being a very attractive metaheuristic in real-world problems, no work was found assessing its performance in SO MOPs. Most OE problems have constraints. This thesis uses the constraint handling technique called Adaptive Penalty Method (APM) that has a history of good results when applied in monobjective problems of SO. Due to the potential of DE in solving real world problems and APM in SO problems, and also with the lack of studies involving these elements in SO MOPs, this work presents a study of a well-known DE algorithm coupled to the APM technique in these problems. Computational experiments considering scenarios with and without inclusion of user preference information were performed in problems with continuous and discrete variables. The results were compared with those in the literature, in addition to those obtained by the algorithm that represents the state of the art. They were also compared to the results obtained by the same DE algorithm adopted, but without the APM technique, aiming at investigating the influence of the APM technique in their performance. The advantages and disadvantages of the proposed algorithm in each scenario are presented in this research, as well as suggestions for future works.