The book is devoted to issues of continuous optimization. In addition to classic gradient algorithms, modern gradientless algorithms are discussed that are used successfully in global optimization. Most of the presented algorithms can be described as metaheuristic. These include optimization methods inspired by processes occurring in nature, which can be further divided into those inspired by physical phenomena, biological processes or swarm intelligence. Separate chapters are devoted to the issues of optimization with constraints and multi-criteria optimization. Information on variance calculations is also included. Most of the discussed algorithms were subjected to statistical analysis for the case of minimizing complicated and multidimensional functions. All discussed algorithms are described in the form of a pseudo-code, which can easily be converted to any programming language. Attached are sample listings in the selected programming language that are short and clear. They can be easily modified for individual needs and applications. The textbook is intended for students of masters and doctoral studies in the faculties of mechanical, computer science as well as physics and applied mathematics. It may also be interesting for industry specialists who want to use modern optimization methods to improve their designs and solutions. **************************** Książka poświęcona jest zagadnieniom optymalizacji ciągłej. Oprócz klasycznych algorytmów gradientowych omawiane są w współczesne algorytmy bezgradientowe, które stosowane są z powodzeniem w optymalizacji globalnej. Większość prezentowanych algorytmów określona może być mianem metaheurystycznych. Zaliczyć do nich można metody optymalizacji inspirowane procesami zachodzącymi w przyrodzie, które dalej można dzielić na inspirowane zjawiskami fizycznymi, procesami biologicznymi czy inteligencją roju. Osobny rozdziały poświęcono zagadnieniom optymalizacji z ograniczeniami i optymalizacji wielokryterialnej. Zawarte są również informacje o rachunku wariacyjnym. Większość omawianych algorytmów poddano analizie statystycznej dla przypadku minimalizacji skomplikowanych i wielowymiarowych funkcji. Wszystkie omawiane algorytmy opisane są w postaci pseudokodu, który z łatwością można zamienić na dowolny język programowania. W załączniku zamieszczono przykładowe listingi w wybranym języku programowania, które są krótkie i przejrzyste. Mogą one być łatwo modyfikowane dla indywidualnych potrzeb i zastosowań. Podręcznik przeznaczony jest dla studentów studiów magisterskich i doktoranckich wydziałów mechanicznych, informatyki oraz fizyki i matematyki stosowanej. Zainteresować może również specjalistów z przemysłu, którzy chcą wykorzystać nowoczesne metody optymalizacyjne w celu ulepszenia swoich konstrukcji i rozwiązań.
