1. Evolução Natural e Artificial
Elementos de genética e evolução. Relação entre o natural e o artificial, terminologia. O algoritmo evolucionista genérico.
2. Algoritmos Genéticos
Componentes básicos. Representação da solução. Codificação da solução. Morfogênese. População inicial. Esquemas de seleção. Função aptidão. Reprodução ¿geracional¿ e ¿steady-state¿. Operadores de recombinação e de mutação (para o caso binário, para o caso real, para problemas de ordenação). Aplicação em otimização. Tratamento de restrições. Hibridização. Procedimentos adaptativos. Problemas com vários objetivos. Algoritmos paralelos. Co-evolução.
3. Algumas Aplicações
O problema da mochila. O problema de locação-alocação. O problema do caixeiro viajante.
4. Implementação Computacional
5. Introdução à Programação Genética
6. Outros Algoritmos Evolutivos

- A.E. Eiben and J.E. Smith. Introduction to Evolutionary Computing. Springer Corrected 2nd printing, 2007
- BACK, T; FOGEL, D.B; MICHALEWICZ, Z. Evolutionary Computation 1: Basic Algorithms and Operators. CRC Press, 2000
- BACK, T; FOGEL, D.B; MICHALEWICZ, Z. Evolutionary Computation 2 - Advanced Algorithms and Operations. CRC Press, 2000

Não informado

- ROTHLAUF, F. Design of Modern Heuristics: Principles and Application. Springer 2011
- EBERHART, R C.; SHI, Y; KENNEDY, J. Swarm Intelligence. Morgan Kaufmann 2001
- DORIGO, M; STÜTZLE, T. Ant Colony Optimization. Bradford Books 2004
- ALBA, E. Parallel Metaheuristics: A New Class of Algorithms. Wiley-Interscience 2005
- MICHALEWICZ, Z. Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, Berlin, segunda edição, 1994.