Els Algoritmes Evolutius (EA) són mètodes d'optimització útils per a l'exploració de l'espai de cerca, però solen tenir problemes de lentitud per explotar-ne el mínim i convergir amb precisió. D'altra banda, els mètodes basats en gradients convergeixen més ràpidament als mínims locals, encara que no són tan robusts (per exemple, les àrees planes i les discontinuïtats poden causar problemes) i no tenen capacitats d'exploració.Aquesta tesi presenta i analitza quatre versions d'un mètode d'optimització híbrid que intenta combinar les virtuts dels Algoritmes Evolutius (EA) i els algoritmes basats en gradients, i superar-ne els inconvenients corresponents. Els Mètodes Híbrids proposats permeten treballar amb N algoritmes d'optimització (anomenats jugadors), múltiples funcions objectiu i variables de disseny, i definir-les de manera diferent per a cada jugador. El rendiment dels mètodes híbrids es compara amb un mètode basat en gradient, dos Algoritmes Genètics (GA) i un mètode d'optimització d'eixam de partícules (PSO).S'han fet proves amb problemes matemàtics de referència (proves sintètiques dissenyades per provar específicament mètodes d'optimització) i una aplicació d'enginyeria amb recursos computacionals molt exigents, un actuador de jet sintètic per a control de flux actiu (AFC) sobre un perfil aerodinàmic 2D Selig -Donovan 7003 (SD7003) al número de Reynolds 6 x 104 i un angle d'atac de 14 graus. El problema de control de flux actiu s'ha utilitzat en un problema d'optimització monoobjectiu i en un problema d'optimització de dos objectius.

---