Since the emergence of the van der Waals model, a lot of equations of state have been proposed to represent the pressure-volume-temperature (PVT) behavior of pure compounds, as is the case with GEOS3C, which is a form of generalized cubic equation of state that uses a temperature function dependent on three adjustable parameters. As the predictive capacity of an equation of state is directly related to the use of adequate and efficient methods for estimating the model's parameters, it is advised to use the multiobjective optimization in this class of problems, due to the conflicting nature of the objective functions. In this context, a MOPSO algorithm, based on the Pareto dominance principle, is used to estimate the parameters of the GEOS3C, through the minimization of the deviations in the prediction of different thermodynamic properties: saturation pressure, saturated liquid volume, enthalpy of vaporization and isobaric heat capacity, in order to assess whether it is possible to obtain a model parameterization that is adequate to represent the different properties simultaneously. Comparisons with experimental data available in the literature are performed showing that multiobjective optimization offers new perspectives for improvements in the parameters estimation of equations of state compared to traditional methods.

Since the emergence of van der Waals equation of state, several equations have been proposed to represent the behavior of pure compounds and mixtures, such as GEOS, which is a new generalized cubic equation of state form that employs a temperature function dependent on two or three adjustable parameters. Recently, multiobjective optimization has started to be applied in equations of state for parameters estimation, due to the conflicting nature of the objective functions. This methodology is attractive because it can be used to compare different models or variants of the same problem, through the trade-off analysis of the so-called Pareto front. In this context, the multiobjective PSO algorithm, based on the Pareto dominance principle, is used in this work for estimating the parameters of the generalized cubic equation of state, by fitting its results to synthetic experimental data of vapor pressure and saturated liquid volume. The performance of the new estimated parameters of the three temperature functions is investigated through the calculation of thermodynamic properties of interest in industry and academia. In addition, comparisons against real experimental data available in the literature are performed.

Resumo. Problemas de estimação de parâmetros, ao serem tratados como problemas de otimização e resolvidos por método meta-heurístico, exigem uma quantidade grande de vezes o cálculo da função objetivo. A resolução da função objetivo demanda um custo computacional elevado. Neste trabalho, propomos uma versão paralela, via OpenMP, de um método baseado na meta-heurística Multi-Objective Particle Swarm Optimization, aplicado no problema de estimação de parâmetros de um importante modelo termodinâmico. Com os resultados obtidos,é comprovada a robustez da metodologia de divisão explícita de trabalho utilizada para paralelizar o método.

Resumo. Em geral, os métodos clássicos para resolver sistemas de equações não lineares são conhecidos por sua eficiência. Entretanto, dependem fortemente da localização dos pontos de partida. Neste trabalho, utilizamos a Inicialização Global Topográfica para gerar bons pontos iniciais para o método de busca local utilizado na resolução de problemas restritos de minimização global, cujas soluções são raízes de sistemas não lineares associados. Para realizar as tarefas de busca local, usamos o Algoritmo de Direções Viáveis e Pontos Interiores (FDIPA). Em seguida, utilizamos quatro problemas descritos na literatura para avaliar a eficácia da nossa metodologia. Os resultados indicaram que a presente abordagem é uma estratégia poderosa para encontrar todas as raízes de sistemas de equações não lineares.Palavras-chave. FDIPA, Sistemas de Equações, Inicialização Topográfica IntroduçãoNeste trabalho lidamos com o problema de encontrar todas as soluções de sistemas de equações não lineares com restrições de desigualdade. Tal problema pode ser expresso como,onde F : R n → R m é uma aplicação diferenciável e Ω é o conjunto de restrições dado por, Ω = {x ∈ S ⊂ R n ; g i (x) 0, ∀i = 1, ..., l}.(2)

Resumo. Em geral, os métodos clássicos para resolver o problema de otimização com restrições de igualdade e desigualdade são conhecidos por sua eciência. Entretanto, tais métodos dependem fortemente da localização dos pontos iniciais. Neste trabalho, utilizamos a Inicialização Global Topográca para gerar bons pontos iniciais para o método de busca local utilizado na resolução de problemas restritos de minimização global. Para realizar as tarefas de busca local, usamos o Algoritmo de Direções Viáveis e Pontos Interiores (FDIPA). Em seguida, utilizamos quatro problemas descritos na literatura para avaliar a ecácia da metodologia apresentada. Os resultados indicaram que a presente abordagem é uma estratégia eciente para encontrar as soluções globais de problemas de otimização com restrições mistas.