Um projeto de engenharia deve contemplar uma série de requisitos técnicos, inclusive de segurança, para que o mesmo possa atingir o objetivo proposto. A otimização é uma ferramenta importante para o projetista no desenvolvimento de projetos que atenda os objetivos necessários. Dentre diversas técnicas de otimização, o Recozimento Simulado (SA, do inglês Simulated Annealing) tem se destacado devido suas características. Neste texto é abordado um estudo sobre heurística e estratégias de feedback para o SA, estas heurísticas foram estendidas para a otimização multiobjetivo com o algoritmo CoAnnealing, este baseado em SA. Também abordamos a aplicação do SA em Otimização Topológica (OT) mono-objetivo e multiobjetivo. O objetivo deste trabalho é realizar um estudo do desempenho do algoritmo CoAnnealing com a heurística de cristalização e estratégia de feedback por meio de funções de Benchmark encontradas na literatura. O desempenho foi analisado com o tempo de execução e a qualidade da frente de Pareto obtida. Estes resultados foram comparados com outro algoritmo baseado em SA conhecido como AMOSA. Além disso, aplicamos CoAnnealing com a heurística de cristalização em problemas mecânicos de otimização, como o dimensionamento de eixos de transmissão e dimensionamento de placa com orifício. Outro objetivo deste trabalho foi a aplicação do algoritmo SA em OT mono-objetivo e multiobjetivo, sendo necessário propor novas heurísticas e estratégias para solucionar a OT, tanto em mono-objetivo quanto multiobjetivo. Os resultados demonstraram a eficiência e bom desempenho do CoAnnealing com a heurística de cristalização em resolver diversos problemas de otimização. Nos problemas de OT, os resultados apresentaram distribuição de massa sem a presença de gradiente de cinza e a energia de deformação equivalente ao obtido na literatura.

In the engineering design process, it is necessary to meet technical requirements, such as safety, to achieve goals. An optimization is a mathematical tool that assists in the development of a project to achieve goals. There are several optimization techniques, and the Simulated Annealing (SA) has stood out due to its characteristics. In this work, we study heuristic and feedback strategies for SA. The proposed heuristics are extended to SA multi-objective algorithm called CoAnnealing and it is based on the SA. This work aims to validate the CoAnnealing ability to solve several optimization problems. Performance is measured by execution time and Pareto front quality, and we compare the results with the AMOSA algorithm and results from the literature. In addition, we applied CoAnnealing with crystallization heuristics to optimize the mechanical transmission design. The second aim of this work was to investigate topology optimization using mono-objective and multi-objective simulated annealing algorithms. The results show that the CoAnnealing algorithm can solve different types of optimization problems and find optimized solutions efficiently. In topology optimization, the results show a mass distribution in the domain without a gray gradient, and the results were comparable to the results in the literature.