ANP; FINEP; MCT / A modelagem de sistemas envolvidos no gerenciamento das operações de uma rede de dutos é um problema de otimização que envolve complexas restrições operacionais. O transporte por meio de dutos mostra-se confiável e econômico, principalmente para grandes volumes. Porém, a elevada taxa de ocupação das redes de distribuição e a quantidade de diferentes produtos que devem ser transportados sob condições operacionais diferenciadas levam a cenários operacionais complexos. Uma melhoria na eficiência do transporte de produtos através de redes de dutos pode ser obtida por uma melhor alocação dos recursos disponíveis, contudo além de ser este um problema combinatório de difícil solução, é também um problema de otimização multiobjetivo. Para resolver este tipo de problema, as técnicas baseadas em metaheurísticas populacionais, em especial os algoritmos evolucionários parecem adequados pois tratam simultaneamente com um conjunto de soluções possíveis que permite encontrar um conjunto de soluções ótimas de Pareto com a simples execução do algoritmo. Neste contexto, este trabalho tem como objetivo o desenvolvimento de modelos de otimização multiobjetivo aplicados ao escalonamento de operações em rede de dutos existente na indústria P & G, investigando técnicas baseadas em metaheurísticas que auxiliem na tomada de decisões deste cenário específico, em especial, técnicas baseadas em algoritmos evolucionários multiobjetivos. Assim, usa-se uma abordagem que propõe o uso de um algoritmo evolucionário multiobjetivo inspirado a partir da evolução memética de um grupo de sapos que procuram por comida: o SFLA (Shuffled Frog Leaping Algorithm). Os resultados obtidos a partir das simulações realizadas serão comparados com um algoritmo muito conhecido e usado na literatura, o algoritmo genético (AG). Além disso, como este trabalho utiliza um modelo de otimização multiobjetivo e nestes casos procura-se um conjunto de soluções Pareto-ótimas, uma nova abordagem é proposta para o algoritmo SFLA: o Modified Shuffled Frog-leaping Pareto Approach (MSFLPA). Esta nova abordagem combina o uso de uma pequena população e uma estratégia de arquivamento com um processo de reinicialização da população usando duas memórias auxiliares para armazenar soluções não-dominadas~(Conjunto de Pareto) encontradas durante a evolução da população. Para validar o desempenho e a eficiência do algoritmo MSFLPA proposto, cinco funções Zitzler-Deb-Thiele são utilizadas para comparar com dois algoritmos genéticos multi-objetivos bem conhecidos da literatura: NSGA-II e SPEA2. Os experimentos numéricos indicam que MSFLPA produz soluções bem espalhadas~(diversidade) e converge para a verdadeira fronteira de Pareto e verifica-se ser eficiente e competitivo para resolver problemas multiobjetivos. Após essa validação, o MSFLPA é usado para otimizar a alocação dos recursos e para resolver o problema de programação de uma rede de dutos e quando comparado com o NSGA-II e microAG, MSFLPA tem se mostrado uma nova alternativa eficaz para a solução de problemas multiobjetivos com mais de dois objetivos, como é o caso dos problemas de escalonamento de redes de dutos. / The development of model to support pipeline network operation management is an optimization problem which involves complex operational constraints. The product transport through pipelines proves reliable and economical, especially for large volumes. However, the high occupancy rate of the distribution networks and the amount of different products should be transported under different operating conditions lead to complex operational scenarios. An efficiency improvement of products transport through pipeline networks can be obtained by a better allocation of available resources. However that is a hard solution combinatorial problem with multiobjective optimization characteristics. An alternative to efficient solve this type of problem is the use of metaheuristics such Multiobjective Evolutionary Algorithms~(MOEA). MOEA uses a population of solutions in its search, and multiple Pareto-optimal solutions can, in principle, be found in one single run. This work aims to develop a model of multi-criterion optimization applied to scheduling operations in a real-world pipeline network in the oil industry. We use a metaheuristic optimization method inspired from the memetic evolution of a group of frogs when seeking for food: SFLA~(Shuffled Frog Leaping Algorithm). The results obtained from the simulations are compared to an algorithm well known in the literature: genetic algorithm~(GA). Moreover, this works then introduces a new approach of the original shuffled frog leaping algorithm to create a modified form of the algorithm: the Modified Shuffled frog-leaping Pareto Approach~(MSFLPA). The main goal of MSFLPA is to represent and recover the entire Pareto front to a modeled problem, moreover an efficient and competitive algorithm to solve multi-objective scheduling problems with more than two conflicting objectives. This new approach combines the use of a small population and an archiving strategy with a procedure to restart the population using two auxiliary memories to store nondominated solutions (Pareto set) found during population evolution. To validate the performance and efficiency of the proposed MSFLPA in spread Pareto front, five Zitzler-Deb-Thiele functions are examined and compared against two well-known multi-objective genetic algorithms: NSGA-II and SPEA2. The numerical experiments indicate that MSFLPA yields spread solutions and converges to the true Pareto front and it is verified to be efficient and competitive for solving multi-objective problem. After this validation, the MSFLPA is used to optimize the allocation of the resources and to solve the scheduling problem of a real world pipeline network and if compared with NSGA-II and microGA, MSFLPA is verified to be a new effective alternative for solving of multi-objective problems with more than two objectives as it is the case of the pipeline scheduling problems.