Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-02-24T14:20:45Z No. of bitstreams: 1 rafaeldepaulagarcia.pdf: 1337243 bytes, checksum: b838edc08b3d115cfea5624cd3881538 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-02-24T15:39:22Z (GMT) No. of bitstreams: 1 rafaeldepaulagarcia.pdf: 1337243 bytes, checksum: b838edc08b3d115cfea5624cd3881538 (MD5) / Made available in DSpace on 2017-02-24T15:39:22Z (GMT). No. of bitstreams: 1 rafaeldepaulagarcia.pdf: 1337243 bytes, checksum: b838edc08b3d115cfea5624cd3881538 (MD5) Previous issue date: 2014-02-14 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A aplicação de metaheurísticas em problemas reais com restrições não é possível sem ajustes. Esta impossibilidade é devida ao fato delas serem desenvolvidas, em sua essência, para resolver problemas de otimização irrestritos. Esses ajustes são feitos por meio de técnicas que abordam as restrições apresentadas no problema. Técnicas de Penalização são comuns, transformando um problema de otimização restrito em um problema de otimização irrestrito, adicionando uma penalidade para a função aptidão das soluções infactíveis. Esta dissertação considera uma técnica que adapta o valor do coeficiente de penalização de cada restrição usando informações da população, tais como a média da função de objetivo e o nível de violação em cada restrição. Esta técnica é conhecida como Método de Penalizaçao Adaptativa (ou simplesmente APM). Existem na literatura várias variantes para o APM que podem ser sintetizadas como: APM Esporádico que mantém os coeficientes de penalização fixados em um número fixo de gerações, uma segunda abordagem semelhante à primeira, mas que acumula valores das violações; variante chamada APM Monotônico, que é semelhante ao APM original, mas que não permite que os coeficientes de penalização sejam reduzidos ao longo do processo evolutivo e variante APM Amortecida, que usa uma média ponderada dos valores atuais e anteriores dos coeficientes de penalização. Novas variantes para o APM são propostas nesta dissertação com a finalidade de buscar melhorias para o APM original. O desempenho destas novas variantes é examinado usando funções teste e problemas de engenharia mecânica e estrutural. Comparações são realizadas utilizando perfis de desempenho, que permitem identificar mais claramente a robustez dessas variantes apontando as melhores. / The application of metaheuristics on real problems with constraints is not possible without adjustments. This impossibility is due to the fact that they are developed, in their essence, to solve unconstrained optimization problems. These adjustments are made by techniques that address the constraints present in the problem. Penalty Techniques are common, transforming a constrained optimization problem into an unconstrained optimization problem, adding a penalty to the fitness function of infeasible solutions. This thesis considers a technique that adapts the value of the penalty coefficient of each constraint using the information of the population, such as the average of the objective function and the level of violation of each constraint. This technique is known as Adaptive Penalty Method (or simply APM). There are in the literature, several variants for the APM and they can be synthesized as: Sporadic APM which holds the fixed penalty coefficients for a fixed number of generations, a second approach similar to the first, but accumulating values of the violations; the variant entitled Monotonic APM, which is similar to the original APM but not allowing the penalty coefficients be reduced along the evolutionary process and the variant damped APM, which uses a weighted average of the current and previous values of the penalty coefficients. New variants for the APM are proposed in this thesis in order reach improvements in the original APM. The performance of these new variants is examined using test-functions and problems of mechanical and structural engineering. Comparisons are conducted using performance profiles, which allow to identify more clearly the robustness of these variants pointing out the best ones.