Os Algoritmos Genéticos representam, atualmente, uma poderosa ferramenta para busca de soluções de problemas com alto nível de complexidade. Esta dissertação estuda os Meta Algoritmos Genéticos, que é uma classe de Algoritmos Genéticos, e compara-os com os Algoritmos Genéticos tradicionais. Para a realização deste estudo, foi desenvolvido um programa de computador que permite, de forma automática, a realização de testes de desempenho de várias modalidades de Algoritmos Genéticos, bem como a análise dos dados por eles gerados. Os resultados obtidos mostraram que os Meta Algoritmos Genéticos são mais estáveis, com relação ao seus parâmetros de controle, do que os Algoritmos Genéticos tradicionais. / The Genetic Algorithms nowadays are a strong tool to find solutions in problems with high level of complexity. This dissertation studies Meta Genetic Algorithms, a particular class of Genetic Algorithms, and compares them to the usual Genetic Algorithms. This was accomplished by a computer program that automatically tests the performance of some Genetic Algorithms models and analyze the data generated by them. The results show that Meta Genetic Algorithms are more stable than usual Genetic Algorithms with relation to their control parameters.

Os Algoritmos Genéticos representam, atualmente, uma poderosa ferramenta para busca de soluções de problemas com alto nível de complexidade. Esta dissertação estuda os Meta Algoritmos Genéticos, que é uma classe de Algoritmos Genéticos, e compara-os com os Algoritmos Genéticos tradicionais. Para a realização deste estudo, foi desenvolvido um programa de computador que permite, de forma automática, a realização de testes de desempenho de várias modalidades de Algoritmos Genéticos, bem como a análise dos dados por eles gerados. Os resultados obtidos mostraram que os Meta Algoritmos Genéticos são mais estáveis, com relação ao seus parâmetros de controle, do que os Algoritmos Genéticos tradicionais. / The Genetic Algorithms nowadays are a strong tool to find solutions in problems with high level of complexity. This dissertation studies Meta Genetic Algorithms, a particular class of Genetic Algorithms, and compares them to the usual Genetic Algorithms. This was accomplished by a computer program that automatically tests the performance of some Genetic Algorithms models and analyze the data generated by them. The results show that Meta Genetic Algorithms are more stable than usual Genetic Algorithms with relation to their control parameters.