Otimização de um critério é um procedimento comum na área de engenharia, porém, muitas vezes deseja-se otimizar múltiplos critérios conflitantes simultaneamente. Para estes casos é necessária a utilização de técnicas de otimização multiobjetivo, estando dentre elas as heurísticas bioinspiradas. Tais algoritmos adotam uma abordagem populacional e um conceito de dominância entre possíveis soluções para realizar um procedimento de busca no espaço das variáveis em direção ao conjunto de soluções ótimas no espaço dos objetivos, utilizando para isso mecanismos inspirados nos procedimentos de seleção natural, reprodução e mutação encontrados na natureza. Dentre essas técnicas, o algoritmo cob-aiNet[MO], pertencente à família dos sistemas imunológicos artificiais, utiliza os conceitos de afinidade, concentração, hipermutação e evolução de subpopulações para encontrar soluções ótimas, preservando a diversidade tanto no espaço das variáveis quanto no espaço dos objetivos, além de possuir uma população de tamanho variável. Para realizar a avaliação do algoritmo, vários problemas matemáticos de teste foram utilizados, utilizando a métrica de hipervolume como principal forma de comparação com as soluções ótimas conhecidas. Também foi realizada sua aplicação no projeto de filtros digitais, realizando análises com diversos conjuntos diferentes de funções objetivo.

Apoio/Financiamento da Pesquisa: PIBIC/CNPq