Uso de Processos Gaussianos para a Metamodelagem em Problemas de Otimização Robusta

Resumo

Este artigo propõe uma abordagem baseada em Processos Gaussianos para a construção de metamodelos para problemas de otimização robusta que busca diminuir o esforço computacional requerido para quantificar incertezas. A abordagem é aplicada em dois casos: um problema de benchmark de baixa dimensão e um de projeto estrutural, de alta dimensão, que consiste em minimizar a massa de uma estrutura formada por barras de diferentes materiais e diâmetros, submetida a cargas pontuais em diferentes locais. Os casos são modelados como problemas de otimização robusta, onde a função objetivo é estimada por um Processo Gaussiano e o procedimento de otimização é conduzido empregando-se uma meta-heurística populacional. Os resultados indicam que a abordagem proposta é eficaz na redução do número de avaliações de função objetivo necessárias para a obtenção de uma solução robusta, não havendo diferenças estatísticas significativas na qualidade das soluções alcançadas.