Neste cenário, uma linha de pesquisa datada dos anos 90 e que tem atraído a cada dia mais adeptos é a otimização inspirada em processos da natureza e afins. Este interesse por este conjunto de técnicas de otimização se deve as suas vantagens, dentre as quais pode-se citar: i) são fundamentadas em população (a grade maioria), isto é, não investem todo o esforço computacional em um único ponto, como acontece nos tradicionais métodos clássicos; ii) a atualização de candidatos a solução do problema de otimização não faz uso de informações sobre o gradiente da função objetivo e das restrições; iii) são ferramentas apropriadas para o tratamento de problemas multiobjetivos por trabalhar com uma população de pontos, e desta forma, conseguem gerar a Curva de Pareto em uma única execução; iv) são capazes de lidar com restrições de igualdade e/ou desigualdade de uma forma bastante simples; v) são capazes de lidar com variáveis mistas, isto é, variáveis contínuas, inteiras, binárias, discretas, sem ter que sofrer grandes modificações em sua estrutura; vi) são métodos de busca global, isto é, são capazes de escapar de ótimos locais. Esta última vantagem é sem sombra de dúvida uma das mais relevantes quando lidamos com a busca do ótimo. Por outro lado, como principais desvantagens pode-se citar: i) o elevado número de parâmetros que devem ser definidos em cada algoritmo e ii) o elevado número de avaliações da função objetivo quando comparados aos tradicionais métodos clássicos.

A aplicabilidade dos métodos clássicos e/ou inspirados na natureza e áreas afins pode ser observada nas seções Aplicações, Projetos, e Orientações.