Ce livre explore les techniques avancées d'optimisation métaheuristique développées pour s'attaquer à des problèmes réels de plus en plus complexes que les méthodes traditionnelles peinent à résoudre. Il présente des versions améliorées de l'algorithme de l'essaim Salp (SSA) et de l'algorithme d'optimisation Grasshopper (GOA), en abordant des problèmes tels que la convergence lente et la stagnation des optima locaux. La première partie couvre les fondements théoriques et les améliorations apportées à ces algorithmes, notamment l'intégration des fonctions de vol de Lévy et de spirale logarithmique dans l'algorithme SSA (ISSA) et un mécanisme de croisement arithmétique dans l'algorithme GOA (IGOA). L'efficacité de ces algorithmes est démontrée par leur application à des problèmes d'ingénierie, en particulier des défis multimodaux. La deuxième partie évalue les capacités des méthodes proposées dans des problèmes réels d'optimisation multi-objectifs, tels que la minimisation de l'indice de performance et l'estimation des paramètres photovoltaïques, en fournissant des résultats expérimentaux complets qui mettent en évidence leur efficacité et leur applicabilité supérieures.