O crescimento populacional global e a rápida expansão urbana desordenada no século XXI têm gerado diversas pressões socioambientais, tais como degradação florestal, erosão do solo, perda de biodiversidade e alterações irreversíveis na ocupação do solo. Essas pressões aumentam a demanda por infraestrutura, transporte, atividades industriais e habitação, provocando conflitos entre usos do solo dentro de zonas geográficas restritas. O planejamento urbano eficaz exige, portanto, a alocação adequada do uso do solo que equilibre demandas econômicas, ecológicas e sociais, ao mesmo tempo em que respeite políticas regionais e restrições espaciais. Nesse contexto, a otimização multiobjetivo da alocação de uso do solo surge como uma abordagem promissora para formalizar e explorar esses trade-offs complexos [1], [2], [5].

Modelos baseados em algoritmos genéticos (GA) e, em particular, variantes multiobjetivo como o NSGA-II, são amplamente adotados na literatura por sua capacidade de buscar simultaneamente múltiplas soluções não-dominadas e de lidar com problemas NP-difíceis típicos da alocação espacial. Contudo, aplicações práticas enfrentam desafios relevantes: inicializações aleatórias tendem a gerar mosaicos fragmentados incompatíveis com padrões de uso desejados; operadores internos (crossover, mutação) podem produzir conversões de uso não racionais ou inviabilizar restrições espaciais; e a comparação entre objetivos com escalas e valores heterogêneos pode enviesar a seleção das soluções. Esses problemas comprometem a factibilidade e a utilidade prática das soluções geradas por GA em contextos de planejamento regional [1], [2].

Este relatório apresenta uma avaliação sistemática do desempenho do NSGA-II na construção de soluções factíveis para a alocação multiobjetivo do uso do solo (MOLA) e propõe estratégias práticas para mitigar as deficiências observadas em saídas puramente genéticas. A investigação utiliza uma área de estudo composta por malhas de 256×256 blocos (30 m² cada), extraídas da plataforma MapBiomas para municípios diferentes do estado de Minas Gerais.

Os principais eixos do estudo são: avaliar a factibilidade espacial das soluções geradas pelo NSGA-II frente a métricas práticas (fragmentação, compacidade e grau de conflito); aplicar e testar heurísticas de inicialização e operadores de mutação que priorizem mínimos tamanhos de patch e preservação parcial da alocação original; e verificar como técnicas de reparo baseadas em conhecimento de domínio (neighborhood search e merge de patches) influenciam a coerência das soluções em termos ecológicos, econômicos e sociais. As cinco dimensões objetivas consideradas na avaliação foram: GDP (indicador econômico), Ecosystem Services Value (ESV – indicador ecológico), custo de conversão, compacidade e grau de conflito (indicadores sociais/territoriais).

Por fim, discutimos os resultados quanto à capacidade do NSGA-II, na sua forma puramente algorítmica e na forma modificada apresentada, de gerar soluções que sejam simultaneamente eficientes (Pareto-ótimas) e factíveis para uso em planejamento regional.