A ata da defesa com as respectivas assinaturas dos membros encontra-se no processo de vida acadêmica da aluna.Para Christophe e Olivier RESUMO A separação cega de fontes é um problema da área de processamento de sinais que surge em diversas aplicações, desde o tratamento de sinais biológicos à geofísica. Usualmente, os métodos de separação são formulados como problemas de otimização, que são abordados por meio de ferramentas clássicas da pesquisa operacional, como o método do gradiente descendente. No entanto, diante da complexidade das funções que são comumente utilizadas como critérios de separação, os métodos mais usuais são atraídos por pontos de mínimos locais e podem não encontrar boas soluções a nível global. Tal limitação abre espaço para a aplicação de meta-heurísticas ao problema, por possibilitar uma ampliação do espaço de busca, em termos de mínimos locais e, consequentemente, encontrar soluções mais eficazes. Diante disso, o presente trabalho se dedica à análise de aplicabilidade de algumas meta-heurísticas ao problema de separação cega de fontes no caso de modelos lineares. Uma comparação entre um conjunto representativo de meta-heurísticas, sendo elas, particle swarm, evolução diferencial, simulated annealing e otimização por colônia de formigas para domínios contínuos, indica que, de modo geral, tais soluções são consideravelmente eficazes quando aplicadas ao caso e comparadas ao método do gradiente. Os principais pontos que podem diferenciá-las são a dificuldade de implementação e de ajuste de seus parâmetros.