Metaheurističke tehnike važan su skup tehnika optimizacije sa širokom primjenom u brojnim problemima velike praktične važnosti. Unatoč njihovim uspješnim primjenama, korištenje metaheuristika nosi i neka nepoželjna svojstva: radi se prije svega o složenim algoritmima za čiju implementaciju još uvijek ne postoje formalne razvojne metodologije. Njihov je razvoj skup, traje dugo, zahtijeva visoko obrazovane stručnjake i znatne računalne resurse. Ovaj rad predlaže bottom-up metodologiju razvoja metaheuristika koja se temelji na rastavu metaheuristika na komponente i postupnom dodavanju složenijih elemenata. Primjena razvijene metodologije može smanjiti trajanje i troškove razvoja, ali i dalje može pružiti kvalitetne rezultate. Praktična primjenjivost je eksperimentalno provjerena prilikom implementacije optimizacijskih algoritama za tri teška problema: (1) izrada rasporeda rada djelatnika pozivnog centra, (2) optimizacija rezervacija carsharing sustava i (3) rješavanje problema određivanja varijabilnih cijena carsharing usluge. Drugi i treći problem bili su posebno teški s obzirom na njihovu ciljnu funkciju koja zahtijeva intenzivne resurse, te se zbog toga na računalu izvršava dugo. Rješenja ova dva problema su prema autoru dostupnim informacijama, prve primjene metaheuristike ponavljajuće lokalne pretrage (engl. iterated local search) na probleme s ograničenim brojem evaluacija. Nadalje, izgrađeni algoritmi ne koriste nadomjesno modeliranje, što je uobičajena praksa kod ovakvih problema. Rad završava nizom smjernica za rješavanje problema optimizacije s ograničenim brojem evaluacija bez nadomjesnog modela, temeljenih na iskustvima rješavanja ova dva problema.