Avaliamos a aplicação de alguns métodos de otimização que não utilizam informação prévia e introduzimos novos métodos que a utilizam na solução de problemas de física atômica e molecular. Aplicamos esses métodos na determinação da geometria do estado fundamental de aglomerados de Silício. A energia total foi calculada pelo método semi-empírico Tight Binding, mas é facilmente adaptável a qualquer outro. Na discussão de métodos sem informação prévia fizemos uma comparação entre Recozimento Simulado Generalizado, RSG, que utiliza a estatística de Tsallis e o Recozimento Simulado Clássico, RSC, que utiliza estatística de Boltzmann. Mostramos que o RSG tem potencial para acelerar a determinação do mínimo global sem perder eficiência em relação ao RSC. Verificamos que em outros problemas de física, a inclusão de informação prévia, isto é, a experiência de pesquisadores permitiu a solução de problemas que desafiavam os cientistas. Decidimos, então, introduzir um novo procedimento de otimização global de geometrias de aglomerados baseado na utilização de informação prévia disponível que fosse automático, isto é, que aprendesse por si. Com esse objetivo, combinamos as Redes Neurais Artificiais com o Algoritmo Genético. Este método é adequado para resolver problemas que dependam de algum tipo de heurística para limitar o hiper-espaço a ser pesquisado. Mostramos que as Redes Neurais Artificiais são capazes de, após treinadas, aprender as características do problema. Mostramos que podem gerar uma população selecionada para o algoritmo genético e acelerar a descoberta da solução do problema de otimização. Aplicamos o novo método para determinar a geometria do estado fundamental de aglomerados de Silício. Treinamos as Redes Neurais Artificiais com aglomerados pequenos (de até 9 átomos) e estudamos o Si10 e Si20, conseguindo um resultados cerca de 3 vezes mais rápidos do que o genético puro. Um próximo passo será o acoplamento de nosso método com um procedimento mais preciso que a aproximação Tight-Binding , especificamente pretendemos usar o "Full-Potential Linear Muffin-Tin Orbital" de Li e Cao. Outro interesse futuro e explorar a otimização assistida por rede neural em problemas de outras áreas da física, como por exemplo a análise espectroscópica.

O objetivo deste trabalho é propor um método de otimização estrutural de asas aeronáuticas em material compósito pelo método natural do Recozimento Simulado (Simulated Annealing), visando a minimização do peso da aeronave. Para atingir tal objetivo, uma planilha Excel foi desenvolvida com o auxílio de programação em Visual Basic de maneira a deixar o processo de otimização automatizado. Este processo utiliza o MSC-Nastran para obter as soluções linear estática e de fator de carga crítica de flambagem do modelo previamente gerado pela planilha. São variáveis de projeto o número de camadas dos laminados, em orientações a 0, -45, 45 e 90 graus, assim como também o número de nervuras e de reforçadores. Previamente à otimização da asa em material compósito uma asa aeronáutica fabricada em material metálico também foi otimizada, visando avaliar o método em uma estrutura mais simples e com um número menor de variáveis envolvidas.

O grande crescimento da quantidade de aplicações de soluções computacionais nos mais diversos segmentos da sociedade levaram a atenção de pesquisadores e desenvolvedores também para a área de ensino. Contudo, o foco tem sido mais dirigido para aplicações de software e hardware paradidáticos, de apoio ao ensino propriamente. Pouco tem sido feito para melhorar a gestão do ensino, mais especificamente na montagem de cursos, no apoio à construção de sua grade horária, o qual é objeto de interesse deste trabalho. Recentemente, o problema de Montagem de Grade Horária tem ganhado um status mais importante, com segmentos de congressos especialmente dedicados ao tema dada sua complexidade, uma vez que o número de soluções passíveis de serem consideradas na busca de uma solução pelo menos satisfatória é muito grande. Sendo assim, a implementação de soluções eficientes emerge como um desafio potencial assim como a comparação entre as mesmas, dada a diversidade surgida ao longo dos anos. Este trabalho apresenta dois protótipos de software para a solução do problema utilizando como base métodos, ou ferramentas, de Inteligência Artificial, Algoritmo Genético e Simulated Annealing, que têm se demonstrado promissores e de comprovada eficiência. Os protótipos oferecem duas propostas de implementação dos algoritmos, representação de conhecimento e avaliação de soluções candidatas, assim como sua avaliação de desempenho. O trabalho também apresenta uma análise comparativa do desempenho das duas implementações, sob a ótica de métricas importantes para a análise dos referidos algoritmos aplicados à solução do problema em estudo, comparando-as e estabelecendo ponderações para futuros estudos similares e implementações.

O objetivo deste trabalho é otimizar placas de material composto laminado sujeitas a cargas-pulso, através do método de otimização do Recozimento Simulado. Basicamente, deseja-se reduzir a massa dos compostos respeitando restrições de deslocamento elástico máximo. Espessuras, orientações e número de lâminas são utilizados como variáveis de projeto em placas laminadas discretizadas por elementos finitos, segundo heurísticas aqui desenvolvidas para a síntese de laminados. Aplicações numéricas são feitas em laminados uniformes bem como em laminados não uniformes subdivididos em regiões com diferentes espessuras, números de camadas e orientações das fibras de reforço. Também explora-se a otimização das placas laminadas utilizando-se alguns conceitos de otimização topológica. Previamente à fase de otimização, faz-se uma análise do comportamento dinâmico do elemento finito utilizado, o AST6.