出版社：Departamento de Engenharia de Produção e Sistemas
摘要：Neste trabalho foi realizado um estudo comparativo entre as metodologias de otimização Gradiente Reduzido Generalizado (GRG) e Algoritmo Genético (AG) para a otimização de processos com múltiplas respostas. Para estimar os parâmetros que minimizam a função objetivo foram utilizadas respostas geradas por planejamento de experimentos de forma aglutinada, as quais foram incorporadas à função objetivo. Os estudos de caso utilizados foram baseados em trabalhos selecionados na literatura e, para cada experimento selecionado, foi realizada a otimização dos valores dos parâmetros do processo utilizando as duas metodologias, o GRG, por meio de uma planilha do Microsoft Excel e o AG utilizando o software Scilab. Foram realizadas 10 replicações e calculada a média dos resultados obtidos. A comparação entre os métodos foi realizada com base em medidas de desempenho, por meio da distância média percentual. O AG apresentou melhores resultados em comparação com o GRG.
其他摘要：In this paper we present a comparative study between the Generalized Reduced Gradient (GRG) and Genetic Algorithm (GA) methods to optimize multiple-response processes. Results from experiment design were used to compose the objective function to be minimized. The case studies in this work were selected from literature. A Microsoft Excel spreadsheet was used for parameters optimization using GRG, and the Scilab software was used to GA. Ten replicates were performed and the mean of the results was obtained. To assess the methods was used performance measures based on the mean percentage error. From the performance measures used, the AG showed better results compared to the GRG, indicating that the AG can generate better responses than GRG.
