AUTOENCODER NBI: UMA ESTRATÉGIA DE OTIMIZAÇÃO MULTIOBJETIVO BASEADA EM VARIÁVEIS LATENTES NÃO LINEARES

A otimização multiobjetivo baseada no método Normal Boundary Intersection (NBI) apresenta limitações quando aplicada a problemas com alta correlação entre respostas. Este trabalho investiga estratégias de decorrelação, com ênfase em abordagens não lineares baseadas em autoencoders, para restaurar a eficiência do NBI em cenários de forte multicolinearidade. Como estudo de caso, utilizou-se um conjunto de dados experimentais de um processo de revestimento (cladding). Foram comparadas três abordagens: NBI convencional, VRF-NBI (análise fatorial) e AE-NBI (autoencoder com penalidade de covariância). O desempenho foi avaliado em termos de viabilidade numérica, proximidade ao ponto de utopia e diversidade das soluções. Os resultados mostram que o NBI convencional é ineficaz, com mais de 99% de inviabilidade. As abordagens latentes garantiram 100% de factibilidade, com o AE-NBI apresentando maior precisão e consistência, enquanto o VRF-NBI preserva maior diversidade. Conclui-se que o AE-NBI oferece o melhor compromisso entre estabilidade e desempenho.