I modelli ad elementi finiti simulano il comportamento fisico di una struttura e, nel caso di opere già esistenti, vengono comunemente utilizzati per esempio per determinare la risposta strutturale per carichi imposti, per valutare l’integrità strutturale e per studiare l’efficacia di eventuali interventi di ripristino. I modelli numerici, in fase preliminare, hanno un livello di attendibilità limitato e, se sono caratterizzati a prescindere dai dati sperimentali, possono risultare perfino poco rappresentativi del comportamento strutturale reale. Poiché le misure ottenute con prove dinamiche sono rappresentative dello stato reale delle strutture, è utile ricorrere a queste informazioni sperimentali per identificare i modelli numerici e poter eseguire, successivamente, analisi numeriche affidabili. Il processo di identificazione consiste nel modificare ad ogni iterazione i parametri fisici del modello, che non si conoscono a priori, in modo tale che la risposta dinamica numerica sia in grado di riprodurre le caratteristiche sperimentali della struttura. Nel processo di identificazione dei modelli ad elementi finiti è necessario risolvere un problema ai minimi quadrati che rappresenta un caso particolare dei più generali metodi di ottimizzazione. Tali problemi, in generale, sono mal condizionati in quanto, se l’algoritmo di ottimizzazione non è efficiente e robusto, la soluzione rischia di rimanere intrappolata in un minimo locale. In letteratura, recentemente, è stato proposto il metodo Coupled Local Minimizers (CLM) che ha messo in evidenza buone potenzialità nell’affrontare e risolvere i problemi di ottimizzazione, evitando, grazie ad un approccio di tipo globale, di confinare la soluzione in minimi locali. Il meccanismo di ricerca di tale metodo è di tipo cooperativo: si effettuano simultaneamente diverse ottimizzazione locali, le quali non sono indipendenti tra di loro, ma vengono accoppiate tramite uno scambio continuo di informazioni. Per comprendere meglio gli aspetti innovativi di tale metodo, in questo rapporto verrà presentato, inizialmente, un quadro generale dei principali metodi di ottimizzazione disponibili in letteratura, prestando particolare attenzione ai problemi ai minimi quadrati che vengono utilizzati per identificare i modelli ad elementi finiti. In seguito, si illustrerà in dettaglio l’implementazione del metodo CLM nel codice di calcolo AIDA, rinominato per comodità MIDA (Modal IDentification Analysis). I codici AIDA e MIDA saranno, infine, messi a confronto tramite un esempio applicativo per valutare i miglioramenti apportati dal nuovo algoritmo.