Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Civil, Florianópolis, 2022.Na maioria dos problemas de otimização, as variáveis de projeto são assumidas como sendo contínuas. No entanto, muitos problemas práticos de projeto de engenharia também apresentam variáveis discretas, inteiras e binárias. Exemplos das áreas de utilização desses tipos de variáveis podem ser visualizados nos tamanhos nominais de seções transversais de treliças, no número de dentes de uma engrenagem e na tomada de decisão se um material será utilizado ou não. Os problemas que apresentam mais de um tipo de variável de projeto são denominados de problemas de otimização de variáveis mistas. Uma vez que esse tipo de problema ocorre frequentemente em projetos de engenharia, encontrar algoritmos capazes de resolvê-lo de maneira eficiente, tem se tornado objeto de estudo de muitos pesquisadores. Algoritmos que realizam apenas uma busca global tendem a encontrar regiões com possíveis mínimos, contudo, o valor encontrado por eles pode não ser um ótimo global. Por outro lado, algoritmos que fazem apenas uma busca local, embora apresentem resultados mais refinados, tendem a ficar presos em algumas regiões do domínio. Diante disso, uma alternativa simples de associar as vantagens de ambos os tipos de algoritmos de busca é por meio das estratégias de reinício. Essas estratégias se baseiam no principio básico de reinicialização de um otimizador local em diferentes pontos iniciais. Dessa forma, quando reiniciados repetidamente em diferentes pontos do domínio, os algoritmos de busca local se transformam em algoritmos de busca global. Tendo em vista essas informações, o presente trabalho tem por intuito desenvolver um método de otimização global empregando as estratégias de reinício na resolução de problemas discretos e mistos, visto que esses problemas apresentam alta aplicabilidade em projetos de engenharia. Empregou-se o método desenvolvido em benchmarks disponíveis na literatura, os quais contemplam tanto problemas de otimização estrutural de treliças, para o emprego de variáveis discretas, quanto outros problemas de projetos de engenharia considerando variáveis mistas. Após a análise dos resultados, nota-se que o método desenvolvido é satisfatório.Abstract: For most optimization problems, the design variables are generally assumed to be continuous. However, many practical engineering design problems involve discrete, integer, and binary variables. Examples of these variables are the nominal sizes of cross-section areas in a truss, the number of gear teeth, and the decision of whether or not the material will be used. The engineering design containing more than one variable type is often referred to as a mixed variable optimization problem. The presence of discrete, integer, binary and continuous variables adds to the complexity of the optimization problem. Since such situations often occur in engineering design, finding an efficient method to solve this type of problem has become the goal of many researchers. Algorithms that perform only a global search tend to find regions with possible local minima. However, the value found might not be a global minimum. On the other hand, algorithms that do only a local search tend to get stuck in some regions of the domain, although presenting more refined results. So, a simple alternative to associate the advantages of both types of search algorithms is by restart strategies. These strategies are based on the basic principle of restarting a local optimizer at different starting points. Thus, local search algorithms, when repeatedly started from other domain points, become global search algorithms. Given this information, the present work aims to develop a global optimization algorithm using restart strategies to solve discrete and mixed problems since these problems have high applicability in engineering designs. The developed method was applied in benchmarks available in the literature, which contemplate both structural optimization of trusses to the use of discrete variables and other engineering design problems considering mixed variables. After analyzing the results, it can be noted the method developed obtain satisfactory results.