Ce livre propose une exploration complète et accessible des méthodes d'optimisation numérique, couvrant à la fois les approches exactes (comme la programmation linéaire, la méthode du simplexe, la programmation dynamique) et les approches heuristiques et métaheuristiques (algorithmes génétiques, essaims particulaires, colonies de fourmis, recuit simulé). Il s'adresse aux étudiants, aux ingénieurs et aux chercheurs souhaitant comprendre comment formuler, modéliser et résoudre efficacement des problèmes d'optimisation rencontrés dans des contextes variés. L'ouvrage s'appuie sur de nombreux exemples détaillés, des illustrations claires et des codes sources en MATLAB pour faciliter la mise en pratique. Il compare les avantages, les limites et les champs d'application des différentes méthodes et discute des critères de choix en fonction des caractéristiques des problèmes. Enfin, il ouvre des perspectives vers les évolutions récentes, notamment l'intégration des techniques d'intelligence artificielle et des outils numériques modernes dans le domaine de l'optimisation.