Este projeto tem o objetivo de discutir e aplicar modelos de otimização com base em algoritmos clássicos e da inteligência computacional. O projeto será desenvolvido em três frentes de pesquisa: estudo do framework dos modelos matemáticos clássicos e heurísticos; estudo de algoritmos da literatura e proposição de algoritmos híbridos considerando algumas variáveis incertas modeladas por números fuzzy, e implementação dos algoritmos propostos para aplicação em sistemas reais. Os desempenhos destes algoritmos serão avaliados inicialmente com a utilização de um banco de funções analíticas e instâncias de testes, para fins de comparação com outros algoritmos da literatura. Para as aplicações em sistemas reais serão priorizados os problemas de escalonamento, problemas de fluxo em redes e de otimização paramétrica. Espera-se a criação de um grupo de estudos do tema e o desenvolvimento de uma plataforma web de aprendizagem disponível ao usuário, contendo um banco de modelos, para a solução de problemas via otimização clássica e via otimização heurística.

1. Implementar algoritmos de otimização clássica propostos na literatura para resolver problemas de pequeno porte;
2. Implementar algoritmos de Inteligência computacional e propor variações a serem testadas por meio de funções analíticas;
3. Propor formas de hibridizar os algoritmos para obtenção de resultados melhores que os resultados já obtidos na literatura;
4. Propor e desenvolver a plataforma web para disponibilização dos algoritmos implementados para a comunidade científica.
5. Modelar e propor algoritmos para sistemas reais e ou instâncias de testes indicadas por literatura especializada.

A otimização é um dos ramos da matemática aplicada e tem ocupado grande espaço dentro de grandes áreas da engenharia para solução de problemas. O advento da evolução dos conceitos de otimização foi concomitante a evolução da computação cientifica. Cita-se por exemplo o surgimento dos primeiros métodos de programação linear para uso em operações militares. Otimizar significa encontrar o equilíbrio entre o objetivo a ser alcançado e as restrições envolvidas, de forma que o resultado seja satisfatório.
Quando o espaço de busca em que estão contidas as soluções é relativamente pequeno é possível avaliar todas as soluções e apresentar a melhor depois dessa avaliação (método exaustivo). Esses problemas são ditos como tratáveis, “em termos práticos, um problema é tratável se o seu limite superior de complexidade é polinomial” (LINDEN, 2012). Método da bisseção e método simplex são exemplos de modelos determinísticos utilizados na resolução de problemas tratáveis. Por outro lado, a grande maioria dos problemas tem o seu nível superior de complexidade de ordem exponencial, o que caracteriza um problema intratável. Um exemplo clássico é o do caixeiro viajante (COUËTOUX et al., 2010).
Na resolução de problemas intratáveis (NP-Completos), existem métodos heurísticos tendo base na natureza e conceitos sociais (MOLLINETTI, 2013). Não avaliam totalmente o espaço de busca, no entanto utiliza-se de uma informação anterior para chegar a uma boa solução. Esses algoritmos existem porque as resoluções de problemas de ordem exponencial por métodos determinísticos levariam um tempo muito grande para serem solucionados (LINDEN, 2012), fora do limite aceitável.
Para o desenvolvimento das aplicações em sistemas reais associadas a este projeto serão priorizados os problemas de escalonamento, problemas de fluxo em redes e de otimização paramétrica.