ブラックボックス最適化は、関数の内部構造や勾配に依存せず、出力値のみに基づいてパラメータを調整する枠組みであり、科学・工学・産業の幅広い分野で活用されています。本書では、その中でも代表的なCovariance Matrix Adaptation Evolution Strategy（CMA-ES）を体系的に解説します。CMA-ESは優れた性能を誇る一方、研究の積み重ねによって段階的に発展してきたため、初心者が一から正しく理解するのは容易ではありません。本書の前半では、アルゴリズムの基本や設計指針を直感的にも理解できるよう解説し、後半では混合変数最適化や多目的最適化、ノイズを含む観測といった現実的な問題設定への応用を扱います。加えて、具体例や数値実験を通じて理解を深められるよう構成し、再現可能なPythonコードも公開しています。対象読者は、実務でパラメータチューニングに取り組む技術者や、CMA-ESを研究で扱う学生・研究者です。本書は、ブラックボックス最適化に取り組む読者にとって、これまでにない包括的なガイドとなることを目指しています。