Índice

1.INTRODUÇÃO..............................................................................................................1
1.1.Objectivos................................................................................................................1
1.1.1.Objectivo Geral................................................................................................1
1.1.2.Objectivos Específicos.....................................................................................1
2.PROBLEMAS DE OPTIMIZAÇÃO.............................................................................2
2.1. Conceitos Básicos de Optimização........................................................................2
2.1.1 Função Objectivo..............................................................................................2
2.1.2 Variáveis de Projeto.........................................................................................2
2.1.3 Restrições.........................................................................................................2
2.1.4 Espaço de Busca e Ponto Óptimo.....................................................................2
2.2. Classificação dos Problemas de Optimização........................................................2
2.2.1 Quanto ao Comportamento das Funções..........................................................2
2.2.2 Quanto à Existência de Restrições...................................................................3
2.3. Optimização Multiobjectivo...................................................................................3
2.3.1 Definição e Conceitos.......................................................................................3
2.3.2 Dominância de Pareto.......................................................................................3
2.3.3 Fronteira de Pareto...........................................................................................4
2.4. Algoritmos Genéticos em Optimização..................................................................4
2.4.1 Conceitos Iniciais.............................................................................................4
2.4.2 Aplicabilidade...................................................................................................4
2.4.3 Diferenças para Métodos Clássicos..................................................................5
2.4.4 NSGA-II...........................................................................................................5
3.EXEMPLOS DE PROBLEMAS DE OPTIMIZAÇÃO.................................................6
3.1. Maximizar a área de um retângulo.........................................................................6
3.2. Minimizar custos de produção................................................................................7
3.3.Optimização com restrição......................................................................................8
3.4. Problema de Optimização Multiobjetivo................................................................9
3.5. Problema de Maximização Simples.....................................................................10
3.6. Problema de Minimização Simples......................................................................10
CONCLUSÃO.................................................................................................................12
REFERÊNCIAS BIBLIOGRÁFICAS............................................................................13
1.INTRODUÇÃO

A optimização é um conceito central em diversas áreas do conhecimento, especialmente na

engenharia, economia e matemática aplicada. Representa a busca sistemática pela melhor
solução de um problema, dentro de um conjunto de alternativas viáveis, utilizando recursos
limitados. Seja minimizando custos, maximizando eficiência ou equilibrando vários objetivos
simultaneamente, a otimização permite alcançar desempenhos superiores. Este resumo aborda
os principais conceitos ligados a problemas de otimização, explora suas classificações, ilustra a
otimização multiobjetivo e apresenta ferramentas como algoritmos genéticos, essenciais para
resolver problemas complexos na atualidade.

1.1.Objectivos

1.1.1.Objectivo Geral

 Apresentar uma visão abrangente sobre os problemas de optimização e suas

metodologias de resolução.

1.1.2.Objectivos Específicos

 Definir conceitos-chave: função objetivo, variáveis de projecto, restrições e ponto

óptimo.

 Classificar os tipos de problemas de optimização.

 Explicar a optimização multiobjectivo e o conceito de Fronteira de Pareto.

 Introduzir algoritmos genéticos e sua aplicação em problemas de optimização.

 Ilustrar exemplos práticos com gráficos e tabelas.

1
2.PROBLEMAS DE OPTIMIZAÇÃO

2.1. Conceitos Básicos de Optimização

2.1.1 Função Objectivo

A função objectivo é a representação matemática do critério de desempenho a ser otimizado.

Exemplo: Minimizar o custo de produção:

f ( x )=c 1 x 1+ c 2 x 2+ …+c n x n

2.1.2 Variáveis de Projeto

As variáveis de projecto definem os elementos que podem ser ajustados para optimizar a
função objectivo, podendo ser discretas ou contínuas.

2.1.3 Restrições

Limitam o espaço de soluções viáveis, podendo ser de igualdade ou desigualdade.

Tabela 1: Tipos de Restrições

Tipo Forma Matemática

Igualdade h j ( x )=0

Desigualdad gi ( x ) ≤ 0
e

2.1.4 Espaço de Busca e Ponto Óptimo

O espaço de busca é a região de soluções que satisfazem as restrições. O ponto ótimo é aquele
que maximiza ou minimiza a função objetivo dentro deste espaço.

2.2. Classificação dos Problemas de Optimização

2.2.1 Quanto ao Comportamento das Funções

 Programacão Linear: Funções objectivo e restrições lineares.

 Programacão Não Linear: Função objectivo ou restrições não lineares.

 Programacão Quadrática: Função objectivo quadrática e restrições lineares.

2
Gráfico 1: Exemplos de funções objectivo lineares e não lineares.

2.2.2 Quanto à Existência de Restrições

 Optimização sem Restrições (OSR)

 Optimização com Restrições (OCR)

2.3. Optimização Multiobjectivo

2.3.1 Definição e Conceitos

Problemas que envolvem vários objectivos simultaneamente.

Exemplo: Minimizar custo e maximizar conforto de um veículo.

2.3.2 Dominância de Pareto

Um ponto domina outro se é melhor em todos os objetivos ou igual em alguns e melhor em

pelo menos um.

Gráfico 2: Exemplo de Fronteira de Pareto.

3
2.3.3 Fronteira de Pareto

Conjunto de soluções óptimas, nenhuma delas é claramente melhor que as outras em todos os
objectivos.

Tabela 2: Relação de Dominância

Pont Status em relação a C

o

E, F Dominados por C

A, B Dominam C

D, G Indiferentes

2.4. Algoritmos Genéticos em Optimização

2.4.1 Conceitos Iniciais

Inspirados na evolução natural, buscam soluções através de operações como cruzamento,

mutação e seleção.

2.4.2 Aplicabilidade

Usados em problemas com grandes espaços de busca e múltiplos objectivos.

4
2.4.3 Diferenças para Métodos Clássicos

 Não precisam de derivadas.

 Trabalham com populações e não com único ponto.

2.4.4 NSGA-II

Algoritmo genético elitista que otimiza problemas multiobjetivos, mantendo a diversidade das
soluções.

Fluxograma 1: Processo básico de um algoritmo genético (avaliação, seleção, cruzamento e

mutação).

5
3.EXEMPLOS DE PROBLEMAS DE OPTIMIZAÇÃO

3.1. Maximizar a área de um retângulo

Enunciado:

Determinar as dimensões de um retângulo de área máxima, sabendo que seu perímetro é de 20

metros.

Resolução:

Sejam x e y os lados do retângulo.

Condição de perímetro: 2 x+ 2 y =20 ⇒ y=10−x

Função objectivo (Area): A ( x )=x × y=x ( 10−x )=10 x−x 2

Para maximizar, derivamos e igualamos a zero:

A ' ( x ) =10−2 x=0 ⇒ x=5

Assim, y=10−5=5.

Resposta: Um quadrado de 5m × 5m.

Gráfico:

(Gráfico da função A ( x )=10 x−x 2)

6
3.2. Minimizar custos de produção

Enunciado:

Uma empresa produz x unidades de um produto. O custo de produção é dado por:

2
C ( x )=x −12 x +40.

Quantas unidades devem ser produzidas para minimizar o custo?

Resolução:

Função quadrática, seu mínimo ocorre no vértice:

−b −−12
x= = =6
2 a 2 ×1

Resposta: 6 unidades.

Tabela de Custo:

x (unidades) Custo C(x)

4 24

5 25

6 28

7 33

Gráfico:

(Gráfico da parábola C ( x ))

7
3.3.Optimização com restrição

Enunciado:

Maximizar f ( x , y )=xy , sujeito a x + y=10 .

Resolução:

Da restrição: y=10−x

Substituindo: f ( x )=x ( 10−x ) =10 x− x2

Derivando: f ' ( x )=10−2 x

Igualando a zero: 2 x =10⇒ x=5

Logo, y=5 .

Resposta: x=5 , y=5 , produto máximo 25.

Gráfico:

(Gráfico de superfície ou curva de nível.)

8
3.4. Problema de Optimização Multiobjetivo

Enunciado:

Minimizar simultaneamente:

2 2
f 1 ( x )=x e f 2 ( x )=( x−2 )

Resolução:

Funções conflitantes: melhorar f 1 piora f 2 e vice-versa.

Fronteira de Pareto: intervalo [0 ,2 ]

Tabela de soluções:

x f1(x) f2(x)

0 0 4

1 1 1

2 4 0

Gráfico:

(Gráfico com curva de Pareto entre f 1 e f 2).

9
3.5. Problema de Maximização Simples
Enunciado:
Quero construir uma cerca de 24 metros de comprimento, formando um retângulo. Quais
devem ser as dimensões para maximizar a área cercada?
Resolução:
1. Definir variáveis:
x = comprimento do retângulo
y = largura do retângulo
2. Equação do perímetro:
2 x +2 y=24 ⇒ x+ y=12 ⇒ y=12−x
3. Função objetivo (área):
2
A ( x )=x × y=x ( 12−x )=12 x−x
4. Encontrar o máximo:
Derivamos a função:
'
A ( x )=12−2 x
Igualando a zero:
12−2 x=0 ⇒ x=6
5. Determinar y :
y=12−6=6
Conclusão:
Para máxima área, o retângulo deve ser um quadrado de 6 metros × 6 metros.

3.6. Problema de Minimização Simples

Enunciado:
Uma empresa descobriu que o custo para fabricar x unidades de produto é:
2
C ( x )=x −6 x +12
Quantas unidades devem ser produzidas para minimizar o custo?
Resolução:
6. Função de custo dada:
2
C ( x )=x −6 x +12
7. Encontrar o mínimo da parábola:
Para funções quadráticas a x 2 +bx +c , o mínimo está em:

10
 −b
x=
2a
8. Aplicar a fórmula:
−−6
x= =3
2 ×1
9. Calcular o custo mínimo:
2
C ( 3 )=3 −6 ( 3 )+ 12=9−18+12=3
Conclusão:
Para mínimo custo, devem ser fabricadas 3 unidades, com custo mínimo de 3 unidades
monetárias.

11
CONCLUSÃO

A optimização apresenta-se como uma poderosa ferramenta para resolver desafios complexos
em diversas áreas do conhecimento. A compreensão dos conceitos de função objectivo, espaço
de busca, restrições e ponto óptimo é fundamental para aplicar técnicas de optimização de
forma eficaz. A classificação dos problemas de acordo com suas características é essencial para
a escolha do método de resolução mais adequado. Além disso, a optimização multiobjectivo
mostra-se crucial em cenários onde vários interesses precisam ser equilibrados. O uso de
algoritmos genéticos, como o NSGA-II, surge como alternativa robusta para encontrar soluções
em problemas de alta complexidade, respeitando a diversidade de resultados. Em Moçambique,
as aplicações de optimização estão crescendo, notadamente em sectores como a gestão de
recursos naturais, engenharias e tecnologias de informação. Pesquisadores como Matavele
(2015) têm contribuído para disseminar essas metodologias no contexto acadêmico e
empresarial nacional. Assim, dominar os princípios de optimização torna-se um diferencial
importante para profissionais que desejam actuar em ambientes cada vez mais competitivos e
exigentes.

12
REFERÊNCIAS BIBLIOGRÁFICAS

 Carbono, F. (2005). "Engenharia de Optimização: Fundamentos e Aplicações".

 Deb, K. (2001). "Multi-Objective Optimization using Evolutionary Algorithms".

 Martins, C. A. (2011). "Optimização Estrutural Multiobjetivo".

 Matavele, J. (2015). "Aplicações de Algoritmos Genéticos na Engenharia de Recursos

em Moçambique". Universidade Eduardo Mondlane.

 Senra, T. (2004). "Introdução à Optimização Matemática".

 Vaz, L. E. et al. (2009). "Busca de Solução em Optimização Clássica".

13