Los Algoritmos Genéticos (GA) pueden verse como una familia de procedimientos de búsqueda adaptivos.
Su nombre se deriva de que están basados en modelos de cambio genético en una población de individuos. Esto es:
Un punto clave de estos modelos, es que el proceso de adaptación no se hace cambiando incrementalmente una sola estructura, sino manteniendo una población de estructuras a partir de las cuales se generan nuevas estructuras usando los operadores genéticos.
Cada estructura en la población está asociada con una aptitud y los valores se usan en competencia para determinar qué estructuras serán usadas para formar nuevas estructuras.
Una de sus características es su abilidad de explotar información acumulada acerca de un espacio de búsqueda inicialmente desconocido para guiar la búsqueda subsecuente a subespacios útiles.
Su aplicación está enfocada sobretodo a espacios de búsqueda grandes, complejos y poco entendidos.
El precio es que se pueden necesitar un número grande de muestras para que se tenga suficiente información para guiar muestras subsecuentes a subespacios útiles.
En su forma más simple, un GA está orientado a desempeño (i.e., hacer cambios estructurales para mejorar el desempeño).
Una de las ideas más importantes es definir estructuras admisibles en el sentido que esten bien definidas y puedan ser evaluadas.
Surgen a finales de los 50s, principios de los 60s.
Se le reconoce a Holland como el fundador.
Diferencias con métodos tradicionales de búsqueda y optimización: