SAŽETAK
Metaheuristike se primjenjuju na širok skup optimizacijskih problema velike složenosti koji nisu rješivi uporabom tradicionalnih pristupa. U središtu interesa ovog rada nalaze se prirodom inspirirane metaheuristike iz područja evolucijskog računanja. Dana je kratka teorijska pozadina te pregled inačica algoritma umjetne kolonije pčela, algoritma kukavičje pretrage, algoritma klonske selekcije, diferencijske evolucije, algoritma roja čestica te evolucijskih strategija. Posebna pažnja je posvećena inačici evolucijske strategije CMA-ES koja danas predstavlja jednu od široko priznatih optimizacijskih tehnika za kontinuirane probleme. Navedene metaheuristike ostvarene su u okviru radnog okruženja za evolucijsko računanje u Javi te je uspoređeno njihovo ponašanje na nekoliko ispitnih funkcija iz literature.

Ključne riječi: prirodom inspirirane metaheuristike, kontinuirani optimizacijski problemi, radno okruženje za evolucijsko računanje


ABSTRACT
Metaheuristic optimization algorithms have become a popular choice for solving intractable optimization problems which are difficult to solve using traditional methods. In this thesis focus is set on solving real-valued problems using nature-inspired metaheuristics in the field of evolutionary computation. A brief theoretical background and an overview of variants of some of them is given, namely artificial bee colony, cuckoo search, clonal selection algorithm, differential evolution, particle swarm optimization and evolution strategies including CMA-ES which represents the state-of-the-art in evolutionary optimization of real-valued problems. These metaheuristics are implemented using evolutionary computation framework in Java and their performance is compared on a few benchmark functions.

Keywords: nature-inspired metaheuristics, continuous optimization problems, Evolutionary Computation Framework