Un algoritmo de optimización inspirado en la selección natural, que evoluciona soluciones a lo largo de generaciones.Un algoritmo genético es una técnica de optimización que imita la evolución biológica para encontrar soluciones a problemas complejos. Comienza con una población de soluciones candidatas, evalúa su 'aptitud' frente a un objetivo y luego crea nuevos candidatos combinando y mutando a los mejores — iterando durante muchas generaciones hasta que surge una buena solución. Es particularmente útil para problemas donde el espacio de búsqueda es vasto y los métodos tradicionales fallan, como diseñar antenas, programar tareas o ajustar modelos de aprendizaje automático.
El algoritmo genético fue pionero de John Holland en los años 60 y formalizado en su libro de 1975 'Adaptación en sistemas naturales y artificiales'. Ganó popularidad en los años 80 a medida que crecía la potencia de cómputo.
Cada solución se codifica como un 'cromosoma' (por ejemplo, una cadena de parámetros). El algoritmo aplica repetidamente tres operaciones: selección (elegir a los más aptos), cruce (mezclar partes de dos padres) y mutación (alterar aleatoriamente a un hijo). A lo largo de las generaciones, la población converge hacia soluciones de alta aptitud. La clave es equilibrar la exploración (mutación) y la explotación (selección). A diferencia de los métodos basados en gradientes, no requiere derivadas, lo que lo hace robusto para paisajes discontinuos o ruidosos.
Los algoritmos genéticos se utilizan en el diseño de ingeniería (por ejemplo, optimizando alas de aviones), modelado financiero e incluso en la evolución de arquitecturas de redes neuronales.
La NASA utilizó un algoritmo genético para diseñar una antena de satélite que voló en la misión Space Technology 5 — la forma resultante era tan extraña que ningún ingeniero humano la habría concebido.
















