Industrial Asset Management (IAM) is een geïntegreerde methodologie om de gehele levenscyclus van materiële en immateriële assets te optimaliseren. IAM heeft potentieel in elke sector en wordt gedreven door groeiende markten, vraag, productieschaal en technologische complexiteit. Industrie 4.0-technologieën, zoals cyber-fysieke systemen (CPS), Industrial Internet-of-Things (IIoT), big data-analyse, edge computing en cloud computing, brengen nieuwe kansen en uitdagingen voor IAM, waaronder monitoring en controle van heterogene industriële assets, krachtige en beveiligde data-analyse, en efficiënte optimalisatie van de levenscyclus van de asset. Dit doctoraat stelt Evolutionary Computation (EC) voor als een moderne aanpak voor het oplossen van domeinspecifieke optimalisatieproblemen in IAM. Het onderzoek onderzoekt het management van productieprocessen en het vlootbeheer, waarbij drie evolutionaire algoritmen worden gepresenteerd om verschillende productieplanningsproblemen op te lossen, en introduceert tevens een EA-methode om het online routeringsprobleem van schepen van offshore windmolenparken met real-time bereikbaarheid van windturbines op te lossen. Het doel van dit onderzoek is om EC toe te passen op IAM om dynamische problemen op te lossen en het potentieel van IAM in elke sector te vergroten.