1、优化问题
目前对优化问题的求解研究有两个发展方向;一个是以分析与泛函为基础的,对优化问题进行严格的理论证明,提出确切的求解算法,这些算法只要求解的问题满足一定的条件,保证能求出问题的最优解;另一个方向就是以自然界生物群体所表现出的智能现象为基础而设计的智能算法,这些算法虽然不能够保证一定能得到问题的最优解,但这些算法的特点是,算法机理简单,易于理解,而且算法设计简洁,对目标函数没有特殊的要求,易于编程计算,能在可接受的时间范围内给出问题的一个满意的解;因此对智能优化算法的研究是当今的热点。
2、智能优化方法类型：
优化算法主要包括：经典精确优化算法、经典近似优化算法和智能算法。经典精确优化算法主要用来处理目标函数以及约束条件有具体的解析表达式且存在导数的情况。它是先利用求导或者变分法得到极值点存在的必要条件,通常是一组方程或不等式,然后再求解此方程或不等式；经典近似优化算法是利用经典精确算法求解最优解的主要不足是：(1)在目标函数比较复杂时,这时求导将很困难;(2)求解通过求导以后所建立的方程组,有时也非常的不易。为此,人们通过各种最优解的性质(如梯度的性质)建立迭代公式求最优解；上面的经典精确算法与近似算法,都必须建立在目标函数存在导数的性质条件下进行,而在实际中碰到的很多优化问题的目标函数并不都存在导数。因此,近年来以模拟物质变化过程或模拟生命体而设计的搜索方式为基础提出各种算法,此类算法有人称之为智能算法,有人称之为仿生算法、也有人称之为演化算法或进化算法,这类算法的本质都属于随机性算法。此类算法最大的优点就是不需要目标函数具有可导性,甚至不需要目标函数有明确的表达形式,只要知道输入输出即可。
智能算法类型有：
1）启发式方法
定义为：一个基于直观或经验构造的算法，在可接受的花费(指计算时间、占用空间等)下给出待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计。另一种定义为:启发式算法是一种技术。这种技术使得在可接受的计算费用内去寻找最好的解，但不一定能保证所得解的可行性和最优性，甚至在多数情况下，无法阐述所得解同最优解的近似程度。
2）学习式方法
3）联想式多目标优化
联想记忆、联想识别、联想思想是人的智能的重要特性，也是人工智能的有效方法和基数.有基于知识推理的、棋式识别的、人工神经网络的联想方法。
4）模糊多级优化方法
模糊逻辑是基于模糊集合论的不确定性逻辑推理的模型和方法。适用于描述和表达人的思维、语言和行为的模糊性。 多级优化是大系统控制论中，基于于“分解－协调’原理的优化方法。适用于具有多级递阶结构的各种大系统的复杂优化问题。
3、优化搜索策略
包括启发式搜索和盲目搜索，还可分为单点搜索和群搜索。单点搜索是指初始点只有一个点的搜索方法.从是否需要目标函数的分析性质来分，单点搜索又可分为：使用函数导数的搜索与只使用函数值的搜索。使用目标函数导数的搜索有最速下降方向搜索与共扼梯度方向搜索。最速下降方向搜索，其每步的搜索方向都是负的梯度方向，由于每次都沿着负的梯度方向搜索，该方法可能在任何类型的驻点处终止;因此极易陷入局部极值，而且这种搜索对目标函数的尺度太灵敏，所以收敛很缓慢，容易在空间产生大量的摆动。共扼方向搜索，该方法每一步都以共扼梯度方向作为搜索方向。只使用目标函数值的搜索有随机搜索、格点搜索、单变量搜索。在没能得到目标函数导数信息的条件下，利用多点共同搜索，找出目标函数的最优解，这就是群搜索。目前，群搜索有两种典型的算法实现模式，分别是蚁群算法(ant conony optimization，ACO)和粒子群算法(Particle swarm optimization，PSO)，前者主要应用于组合优化,后者则主要应用于函数优化。
1）传统的搜索方法
传统的搜索方法主要是用于解决一些较为简单的问题，它包括用搜索策略.广度优先搜索和深度优先搜索.这些都是些盲目搜索方法。在此基础上，发展了启发式搜索策略.常利用估价函数进行有序搜索.其中最为著名的是A3算法。启发式搜索克眼了盲目搜索扩展节点的随意性.大大提离了算法实现的效率。
2) 规则演绎和推理
它运用IF －Then规则进行演绎，并在此基础发展了规则反应式系统，它包括规则正向演绎系统、规则反向演绎系统和规则双向演绎系统。
3）专家系统
专家系统实际上是在产生式系统的基础上发展起来的.它是一种模拟人类专家解决领域问题的计算机程序。它根据人类专家的知识和经验，进行推理和判断，从而作出科学决策。
4）机器学习
机器学习的主要策略是机械学习、通过传授学习、类比学习和通过事例学习。其学习过程和推理过程紧密相连.学习过程中的推理越多，系统的功能也越强.当今使用最多的学习策略是基于人工神经网络的学习。
5）机器人规划
由于机器人规划是自动规划的主要研究对象，所以常把自动规划称为机器人规划，机器人规划的策略是：依据最有效的启发信息选择下一步的最好规刻，应用规则计算由使用该规则而生成的新状态，检验所求得的解答，检验空端并将其舍弃，以保证求解工作向有效方向进行，检验其正确的解答.并使之完全正确.
6）遗传算法
7）人工生命
人工生命起源于人工神经网络和混沌分形研究.它试图在计算机等人工媒体上仿真、合成和生物相关联的一些基本现象。如自我复制、寄生、免疫、竞争、进化和协作等。目前。基于遗传算法的人工生命模型、基于人工蚁群算法的人工生命模型和免疫系统模型的理论研究已取得部分成果，并在智能优化中得到了初步应用.
8）进化汁算
进化汁算包含有基本遗传算法、进化规划、进化策略和遗传程序设计。