الگوریتمهای تک راه حل
این الگوریتمها تنها یک پاسخ را در هر لحظه جستجو میکنند. برای مسائل بهینهسازی با فضای جستجوی محدود و زمانی که دنبال جواب نسبتاً خوب با سرعت بالا هستید، راهکار بسیار مناسبی محسوب میشوند.
الگوریتم های مبتنی بر جمعیت
در این روشها، مجموعهای از پاسخها به طور همزمان بررسی میشوند که منجر به گسترش جستجو در فضای راهحلها و کاهش احتمال گیر افتادن در نقاط بهینه محلی میگردد. کاربرد آن در مسائل چندبخشی و مسائل پیچیده چندمتغیره است.
الگوریتم های تکاملی
این خانواده با الهام از تکامل زیستی (مانند انتخاب طبیعی و جهش)، پاسخها را نسل به نسل بهبود میبخشد. در مسائلی با فضای پاسخ خیلی بزرگ، بسیار مؤثر هستند و میتوانند تنوع راهحلها را حفظ کنند.
الگوریتم های الهام گرفته از طبیعت
شامل الگوریتمهایی است که رفتار حیوانات، گیاهان، زیستشناسی یا هر پدیده طبیعی را مدلسازی میکند. این گروه برای حل مسائل بهینهسازی که ساختار مسئله با فرآیندهای طبیعی همخوانی دارد کاربرد فراوان دارد.
الگوریتم های الهام گرفته از ازدحام
از رفتار گروهی موجوداتی چون مورچهها، زنبورها و ماهیها الهام گرفته میشوند و مناسب مسائل توزیع منابع، مسیریابی و مسائل بهینهسازی شبکه هستند.
الگوریتمهای الهامگرفته از فیزیک
با شبیهسازی پدیدههای فیزیکی مثل حرکت ذرات، میدان گرانشی و ساختار مواد راهحلها را پیدا میکنند. در مسائل مهندسی و فیزیک کاربرد بالایی دارد.
الگوریتمهای الهامگرفته از شیمی
از فرآیندهای شیمیایی و واکنشها برای مدلسازی راهحل استفاده میکنند. مناسب بهینهسازیهای ترکیبی و پیچیده در مسائل صنعتی هستند.
الگوریتمهای الهامگرفته از رفتار اجتماعی
الگوریتمهایی که برگرفته از رفتارهای اجتماعی و گروههای انسانی هستند (مانند الگوریتم لیگهای ورزشی)، با الگوگیری از این نوع رفتارها، امکان مدلسازی رقابت و همکاری در تخصیص منابع را فراهم میکنند و در مسائل مرتبط بسیار کاربردی و مفیدند.
الگوریتم های هیبریدی
ترکیبی از چند الگوریتم به صورت همزمان برای افزایش دقت و کاهش زمان اجرا که اغلب برای مسائلی که به راهحلهای قابل اعتماد و سریع نیاز است، انتخاب میشود.
الگوریتمهای چندهدفه
برای حل مسائل با چندین هدف متعارض به صورت همزمان استفاده میشود (مثل کمینهسازی هزینه و بیشینهسازی کیفیت یک فرایند). این خدمات در پروژههای مهندسی پیچیده و تصمیمگیریهای استراتژیک اهمیت ویژه دارد.