Algoritmo genético es una técnica de búsqueda y optimización inspirada en el proceso de evolución natural. Utiliza conceptos de la teoría de la evolución, como la selección natural, la mutación y la recombinación, para resolver problemas complejos que pueden ser difíciles de abordar mediante métodos tradicionales. Los algoritmos genéticos se utilizan en diversas áreas, como inteligencia artificial, ingeniería, finanzas y biología computacional, para encontrar soluciones óptimas o casi óptimas a problemas que involucran múltiples variables y restricciones.
El proceso de un algoritmo genético comienza con la creación de una población inicial de posibles soluciones, que son representadas como «cromosomas». Cada cromosoma puede codificar un conjunto de parámetros o variables del problema a resolver. A continuación, se evalúa el rendimiento de cada cromosoma mediante una función de aptitud que determina cuán buena es la solución que representa. Con base en esta evaluación, los mejores cromosomas son seleccionados para reproducirse y generar una nueva generación de soluciones.
Durante la reproducción, se aplican operadores como la mutación y la cruza (crossover) para introducir variaciones en la población. La mutación implica cambiar aleatoriamente algunos genes de un cromosoma, mientras que la cruza combina partes de dos o más cromosomas para crear descendencia. Este proceso se repite a lo largo de múltiples generaciones, permitiendo que la población evolucione y mejore su rendimiento con el tiempo. Los algoritmos genéticos son especialmente útiles para problemas en los que el espacio de búsqueda es grande y complejo, ya que pueden explorar soluciones de manera más eficiente que los métodos de búsqueda exhaustiva.