• Problemi Inversi
• Ottimizzazione multi-obiettivo
• reti neurali

Partendo da un’analisi delle metodologie usate in letteratura per l’ottimizzazione multi-obiettivo di dispositivi elettromagnetici, questa tesi propone nuove tecniche capaci di superare i limiti degli approcci esistenti.
Sono stati infatti sviluppati due nuovi algoritmi multi-obiettivo di tipo stocastico basati sulla meta-euristica del Tabu Search, ed un nuovo algoritmo per l’ottimizzazione multi-obiettivo basato sulle reti neurali, che utilizzando il modello neurale del problema diretto, risolve il problema inverso invertendo la rete stessa.
Infine, sono state sviluppate due diverse strategie, che consentono di ridurre in modo significativo il costo computazionale proibitivo delle analisi numeriche richieste dalla maggior parte degli algoritmi iterativi: la prima strategia utilizza la nuova tecnologia Grid Computing, mentre la seconda implementa un modello innovativo del legame funzionale fra i parametri progettuali e gli obiettivi del progetto ottimo. Il modello di approssimazione viene creato con un nuovo algoritmo costruttivo per reti neurali.
L’efficacia dei metodi proposti è dimostrata analizzando i risultati di problemi analitici ed elettromagnetici.