No abstract

Resumo-Neste trabalho são propostos dois algoritmos híbridos de otimização, sendo cada um deles composto pela combinação das metaheuristicas: Algoritmo de Otimização de Leão (AOL), Evolução Diferencial (ED) e Busca Local Iterativa (BLI). Nestes algoritmos, as metaheurísticas são processadas de forma paralela e trocam informações, para melhorar seus respectivos desempenhos quando considerados individualmente. Adicionalmente, cada metaheurísta do algoritmo híbrido proposto contém um processamento paralelo visando redução de custo computacional. O contexto do presente artigo é o problema de estimação de parâmetros de modelos para sistemas não lineares. Portanto, os algoritmos propostos são comparados, para esta classe de aplicação, com versões clássicas das metaheurísticas citadas tomadas individualmente no que diz respeito à qualidade do resultado obtido e ao tempo de processamento. Através dos resultados obtidos, observa-se que o desvio padrão das soluções dos algoritmos híbridos propostos são menores que os métodos tomados individualmente. Neste mesmo cenário as técnicas de paralelismo apresentadas produziram uma redução de tempo computacional. Palavra-chave: Algoritmo híbrido; evolução diferencial; algoritmo de otimização de leão; busca local iterativa; metaheurística paralela.