جلسه اول:

1- بیان مسئله بهینه سازی
2- حل مسئله بهینه سازی
3- حل مسئله به روش Brute-force
4- بررسی فیتنس لنداسکیپ
5- بررسی پاسخ های بهینه محلی و جهانی

جلسه دوم:

1- احتمال بررسی مسئله بهینه سازی در ابعاد پیچیده
2- معرفی مفاهیم پایه الگوریتم ژنتیک
3- مفهوم انتخاب در الگوریتم ژنتیک
4- مفهوم تولید مثل در الگوریتم ژنتیک
5- معرفی انواع عملگرهای انتخاب و تولید مثل
 

جلسه سوم:

1- مفهوم جهش در الگوریتم ژنتیک
2- مفهوم نسل و جمعیت در الگوریتم ژنتیک
3- مفهوم پارتو در بهینه سازی
4- بررسی عملکرد NSGA و نحوه انتخاب توسط Crowding distance
5- بررسی عملکرد SPEAو نحوه انتخاب توسط K nearest neighbors
 

جلسه چهارم:

1- اهمیت آنالیز حساسیت در فرآیند بهینه سازی
2- درک رابطه بین متغیرهای مستقل و وابسته
3- نحوه برخورد با متغیرها پیش از فرآیند بهینه سازی
4- معرفی انواع رگرسیون ها
 

جلسه پنجم:

1- بررسی انواع جست و جو در فیتنس لنداسکیپ
2- معرفی انواع تنظیمات بهینه سازی Wallacei
3- آنالیز فرآیند بهینه سازی و روشهای تحلیل آن
4- معرفی شاخص Hyper Volume
 

جلسه پنجم:

1- معرفی روش های تحلیل پاسخ های جبهه پارتو
2- خوشه بندی از طریق K-mean clustering
3- بررسی روش Elbow
4- آشنایی با جست و جوی محلی

 جلسه ششم:

1- بررسی فرآیند بهینه سازی با Galapagos
2- بررسی فرآیند بهینه سازی با Octopus

جلسه هفت:

1- معرفی روش Model based
2- بررسی فرآیند بهینه سازی با Opossum
3- بررسی فرآیند بهینه سازی با Tunny