Zadachi optimizatsii postoyanno voznikayut v deyatel'nosti cheloveka. Klassicheskie metody optimizatsii nakladyvayut zhyestkie ogranicheniya na zadachi optimizatsii: gladkost', vypuklost', analiticheskoe zadanie funktsiy. Odnako mnogie prakticheskie zadachi optimizatsii ne ukladyvayutsya v eti ramki. Razvitie nauki i tekhniki privelo k poyavleniyu zadach, kharakterizuyushchikhsya takimi svoystvami, kak algoritmicheskoe zadanie tselevoy funktsii, mnogoekstremal'nost', nalichie diskretnykh peremennykh. Takie zadachi optimizatsii mogut byt' resheny s pomoshch'yu evolyutsionnykh algoritmov ili algoritmov s otsenkoy raspredeleniya (EDA). V dannoy rabote predlagaetsya novyy metod optimizatsii klassa EDA, imeyushchiy yasnuyu interpretatsiyu v terminakh teorii veroyatnosti i effektivno ispol'zuyushchiy osobennosti arkhitektury sovremennykh EVM.