Bevezetés: Optimalizálási feladatok típusai, brute force algoritmusok ellenpéldákkal, a genetikus algoritmus alapötlete: a biológiai párhuzam (gén, öröklődés és evolúció, fitnesz).
A genetikus algoritmusok általános sémája, és megvalósítása a legegyszerűbb esetben. Az evolúcios algoritmusok típusai reprezentáció szerint, operátorok (keresztezés és mutáció) megvalósítása 0-1 bit reprezentáció esetén, rulettkerék és tournament kiválasztás, elitizmus.
Utazóügynök-probléma. A permutáció reprezentáció és a hozzá kapcsolódó operátorok (pmx, ciklikus, edge, order, inverzió, swap, beszúrás, keverés). A fitnesz függvény megválasztása, hatása a szelekciós nyomásra; constrain handling problémája.
Az egyszerű genetikus algoritmusok elmélete: Építőkövek hipotézise és kritikája (Gray kódolás), Szkéma tétel, No free lunch e lv.
Evolúciós stratégiák: szimulált hűtés mint ős, genetikus változat (Rechenberg eredeti algoritmusa), keresztezés operátorok (k orreláció kérdése). Szimulált hűtés és Rechenberg eredeti algoritmusának összehasonlítása, mutáció operátorok, a többdimenziós normális eloszlás, (mu+lambda) illetve (mu,lambda) kiválasztás.
Paraméterek megválasztása: hangolás-kontroll-(ön)adaptáció. 1/5-ös szabály, alkalmazás a diszkrét reprezentáció esetére. Evolúciós algoritmusok működésének mérőszámai: MBF, SR, AES.
Evolúciós programozás: reprezentáció véges állapotú automatákkal, operátorok megvalósítása. Blondie24. Genetikus programozás: kife jezések reprezentációja fával, keresztezés és mutáció operátorok.