در سال های اخیر بعضی از روش های بهینه سازی که به طور مفهومی با تکنیک های سنتی برنامه ریزی ریاضی متفاوت هستند توسعه یافته اند. این روش ها را روش های غیرسنتی یا مدرن بهینه سازی می گویند. بیشتر این روش ها بر پایه ویژگی های مشخص و رفتار بیولوژیکی، مولکولی و دسته جمعی حشرات و سیستم های نوروبیولوژیکی هستند. در این فصل روش های زیر طراحی می شوند:
1 - الگوریتم ژنتیک.
2- آهسته سرد کردن شبیه سازی شده.
3 - بهینه سازی دسته جمعی ذره.
4- بهینه سازی کلونی مورچه.
5 - بهینه سازی فازی.
6 - روش های بر پایه شبکه های عصبی.
بسیاری از این روش ها تنها در سال های اخیر پدیدار شده اند و به عنوان روش های معروف برای حل مسائل پیچیده مهندسی به کار می روند. بیشتر چیزهایی که مورد نیاز هستند تنها مقادیر تابع هستند (و نه مشتقات). الگوریتم ژنتیک بر پایه اصول ژنتیک طبیعی و انتخاب طبیعی است. روش آهسته سرد کردن بر پایه آهسته سرد کردن مواد جامد گرم شده می باشد. هر دو روش الگوریتم ژنتیک و آهسته سرد کردن شبیه سازی شده روش های تصادفی هستند که می توانند مقادیر مینیمم جهانی را با احتمال بالا پیدا کنند و برای حل مسائل گسسته بهینه سازی قابل اعمال هستند. بهینه سازی دسته جمعی ذره بر اساس کلونی موجودات زنده مانند حشرات دسته جمعی، یک گروه از پرندگان یا یک دسته ماهی می باشد. بهینه سازی کلونی مورچه بر اساس رفتار و همکاری متقابل کلونی های واقعی است که می تواند کوتاه ترین راه را از لانه تا غذا پیدا کند. در بسیاری از سیستم های ذره ای تابع مورد نظر محدود می شود و داده طراحی تنها در ابهام و جمله های زبانی مشخص می شود. روش های بهینه سازی فازی برای حل چنین مسائلی توسعه یافته اند. در روش های بر پایه شبکه های عصبی مسئله به صورت یک شبکه شامل نورون های مختلف مدل می شود و شبکه به صورت یک دنباله برای حل بهتر مسئله در می آید.
این طرح در 36 صفحه گردآوری شده و می تواند به عنوان یک مرجع آموزشی نیز مورد استفاده قرار گیرد.
تحقیق و پروژه در مورد روش های مدرن بهینه سازی به صورت فایل Word و در 36 صفحه
