Otimização multiobjetivo para filas markovianas em rede por estratégia de enxame de partículas.

Abstract

A crescente complexidade dos sistemas de filas em redes de serviços impõe desafios relevantes à sua modelagem e otimização, especialmente devido à natureza multiobjetivo dos problemas envolvidos. Métricas como taxa de atendimento, utilização dos servidores e capacidade dos buffers frequentemente apresentam conflitos, demandam abordagens que conciliem múltiplos critérios de desempenho. Nesse contexto, métodos heurísticos, como o algoritmo Particle Swarm Optimization (PSO), proposto por Kennedy e Eberhart (1995), têm se destacado por sua flexibilidade e eficiência. Este estudo visa consolidar o conhecimento teórico da estrutura algorítmica do PSO, explorar seus fundamentos teóricos, principais variantes e mecanismos de adaptação para formulações multiobjetivo. Para tanto, discute-se a introdução de estratégias como arquivamento de soluções não dominadas, seleção de líderes, preservação da diversidade e adaptação dinâmica. A aplicação do algoritmo MOPSO (Multiobjective PSO) é analisada a partir da replicação do modelo proposto por Souza et al. (2025), que considera a minimização simultânea das alocações de buffers e taxas de serviço, com maximização do throughput. Foram realizadas simulações em redes de filas com diferentes topologias e variações do coeficiente de variação quadrático (cv2∈{0,5; 1,0; 1,5}), para representar distribuições hipoexponenciais, exponenciais e hiperexponenciais, respectivamente. Os resultados empíricos evidenciam a superioridade do MOPSO em relação ao NSGA-II, referência na literatura, tanto em qualidade quanto em diversidade das soluções. Conclui-se que o MOPSO é particularmente eficaz em problemas com múltiplos objetivos conflitantes, ao fornecer um conjunto robusto de soluções de compromisso. Do ponto de vista prático, destaca-se seu potencial de aplicação em sistemas reais, como redes logísticas, sistemas de atendimento, cadeias produtivas e telecomunicações.