現代最優化算法比較常見的有遺傳算法、蟻群算法、粒子群算法、魚群算法和模擬退火算法等。
智能優化算法和傳統的優化算法之間的區別：
-
傳統優化算法一般是針對結構化的問題，有較為明確的問題和條件描述，如線性規划，二次規划，整數規划，混合規划，帶約束和不帶約束條件等，即有清晰的結構信息；而智能優化算法一般針對的是較為普適的問題描述，普遍比較缺乏結構信息。
-
傳統優化算法不少都屬於凸優化范疇，有唯一明確的全局最優點；而智能優化算法針對的絕大多數是多極值問題，如何防止陷入局部最優而盡可能找到全局最優是采納智能優化算法的根本原因：對於單極值問題，傳統算法大部分時候已足夠好，而智能算法沒有任何優勢；對多極值問題，智能優化算法通過其有效設計可以在跳出局部最優和收斂到一個點之間有個較好的平衡，從而實現找到全局最優點，但有的時候局部最優也是可接受的，所以傳統算法也有很大應用空間和針對特殊結構的改進可能。
-
傳統優化算法一般是確定性算法，有固定的結構和參數，計算復雜度和收斂性可做理論分析；智能優化算法大多屬於啟發性算法，能定性分析卻難定量證明，且大多數算法基於隨機特性，其收斂性一般是概率意義上的，實際性能不可控，往往收斂速度也比較慢，計算復雜度較高。