آرزوی انسان برای رسیدن به کمال مبین تئوری بهینه سازی است. بشر می خواهد بهترین را تجسم، توصیف و به آن دست یابد. انسان ها برای دست یافتن به روش های بهینه سازی، سعی در الهام گیری از فرایندهای پیرامون خود را دارند. اغلب از سیستم های طبیعی مختلف به منظور ساخت روش های هوشمند بهینه سازی الهام گرفته شده است. این سیستم ها با ارگانیسم های خارجی بسیار ساده ای، توان تولید سیستم های پیچیده با کمک برهم کنش های پویا را دارند. از جمله این روش ها می توان الگوریتم ژنتیک (با الهام از تکامل بیولوژیکی)، بهینه سازی کلونی زنبورها (برهم کنش زنبورها) و سیستم ایمنی مصنوعی (مدل سازی سیستم ایمنی طبیعی) را نام برد. در این بین، الگوریتم های جدیدی برای بهینه سازی مطرح شده اند که برخلاف فرایند های طبیعی از پدیده های اجتماعی زندگی انسان ها الهام گرفته اند. الگوریتم رقابت استعماری (بر مبنای فرایند استعمار، به عنوان مرحله ای از تکامل اجتماعی-سیاسی بشر) از آن جمله می باشد. در این نوشتار الگوریتم جدیدی برای بهینه سازی مطرح می شود که نه از یک پدیده طبیعی بلکه از ورزش فوتبال الهام گرفته است. به طور ویژه این الگوریتم به فوتبال، به عنوان ترکیب کاملی از مهارت، قدرت و کوشش یک تیم برای رسیدن به هدف مشترک نگریسته و با مدل سازی ریاضی این پدیده ورزشی، از آن به عنوان منشأ الهام یک الگوریتم قدرتمند در زمینه بهینه سازی بهره می گیرد. این الگوریتم همانند سایر الگوریتم های تکاملی، با تعدادی جمعیت اولیه به نام تیم شروع می شود. همکاری بین اعضای تیم (بازیکنان) هسته اصلی این الگوریتم را شامل می شود. با مقایسه الگوریتم پیشنهادی با روش استاندارد، نشان داده خواهد شد که الگوریتم پیشنهادی از طیف وسیعی از روش های کارا و بروز، قابل تر و کاراتر است. بهینه سازی وزن های شبکه عصبی با این الگوریتم، نشان می دهد که استراتژی مطرح شده می تواند با موفقیت کامل در کنار سایر روش های مطرح بهینه سازی، به حل مسایل کاربردی و مهندسی کمک کند. همچنین روش جدیدی جهت ساخت سیستم بازبینی اتوماتیک ارایه شده است. در روش ارایه شده از دسته بندی متن که به صورت ترکیبی از الگوریتم ماشین بردار پشتیبان یک دسته ای و الگوریتم بهینه سازی فوتبال است، به منظور ابزاری برای ساخت سیستم بازبینی اتوماتیک استفاده شده است. نتایج بدست آمده نشان دهنده موفقیت قابل قبول این الگوریتم به عنوان سیستم بازبینی اتوماتیک است. در حقیقت با افزایش چشمگیر دقت در دسته هدف و کاهش ناچیز دقت در دسته غیر هدف، متوسط دقت افزایش یافته است.