Banyak permasalahan optimasi dunia nyata yang sering kita jumpai dalam kehidupan sehari-hari maupun industri. Sebagai contoh, bagaimana memilih barang-barang yang harus dimasukkan ke dalam suatu tas koper sehingga total nilainya paling besar tetapi tidak melebihi kapasitas atau batasan tertentu. Contoh lainnya adalah bagaimana menyusun jadwal perkuliahan sehingga tidak bentrok ruangan, dosen, kelas, maupun mahasiswa dengan distribusi yang adil dan semaksimal mungkin memenuhi kebutuhan semua pihak. Untuk menyelesaikan berbagai permasalahan optimasi, para ahli sudah mengusulkan banyak sekali metode atau algoritma yang dikelompokkan ke dalam Algoritma Optimasi (AO). Setiap algoritma memiliki kelebihan dan kekurangan masing-masing. Tidak ada satupun algoritma yang berlaku umum dan bisa digunakan untuk menyelesaikan semua jenis masalah. Oleh karena itu, peneliti dan praktisi sering kebingungan dalam memilih AO yang paling tepat untuk masalah optimasi yang sedang dihadapinya. Buku ini membahas berbagai AO, mulai dari yang sederhana hingga yang sangat kompleks. Pembahasan dilakukan secara lengkap, mulai dari motivasi, karakteristik, kelebihan, kekurangan, dan beragam studi kasus, untuk memberikan pemahaman secara mendalam dan detail mengenai berbagai AO tersebut. Dengan demikian, pembaca diharapkan dapat memilih AO yang paling sesuai untuk permasalahan yang mereka hadapi. Buku ini memfokuskan pembahasan pada tiga AO deterministik: State Space Search, Dynamic Programming, dan Branch and Bound, serta berbagai AO probabilistik: Monte Carlo, Hill Climbing, Simulated Annealing, Tabu Search, dan Evolutionary Computation yang terdiri dari: Evolutionary Algorithms, Harmony Search, Artificial Immune Systems, dan Swarm Intelligence (Ant Colony Optimization, Particle Swarm Optimization, dan Artificial Bee Colony).