Genetinis optimizavimas – tai programavimo algoritmų naudojimas ieškant geriausio problemos sprendimo. Tai kilo nuo šeštojo dešimtmečio matematikų darbo, kurie paėmė modelius, kuriuos matė biologijoje, ir pritaikė juos netiesinėms problemoms, kurias buvo sunku išspręsti įprastomis priemonėmis. Idėja yra imituoti biologiją, kuri vystosi bėgant kartoms, kad būtų sukurta kuo stipresnė populiacija. Programuojant galima imituoti šį procesą, kad būtų sugalvotas kūrybiškas problemos sprendimas.
Netiesinės problemos matematikams gali būti sudėtingos. Vertybinių popierių prekyboje galima pamatyti pavyzdį, kai gali būti daug galimų sprendimų, kurie greitai išsišakoja ir sukuria pasirinkimų medį. Nepriklausomai apskaičiuoti su kiekvienu pasirinkimu susijusias tikimybes užtruktų labai daug laiko. Matematikas taip pat gali praleisti optimalų sprendimą, nes nesuderins galimų pasirinkimų, kad ištirtų naujas permutacijas. Genetinis optimizavimas leidžia tyrėjams efektyviau atlikti tokio pobūdžio skaičiavimus.
Tyrėjas pradeda nuo dominančios temos, žinomos kaip „populiacija“, kurią galima suskirstyti į individus, kartais vadinamus būtybėmis, organizmais ar chromosomomis. Šie terminai, pasiskolinti iš biologijos, atspindi šio požiūrio į programavimą ištakas. Kompiuteris gali pradėti vykdyti modeliavimą su populiacija, atrinkdamas atskirus organizmus per vieną kartą ir leisdamas jiems susimaišyti, kad būtų sukurta nauja karta. Šis procesas gali būti kartojamas per kelias kartas, kad būtų galima sujungti ir iš naujo derinti galimus sprendimus, idealiu atveju, norint pasiekti tinkamiausią variantą nurodytoms sąlygoms.
Tai gali būti labai daug išteklių. Skaičiavimams, naudojamiems atliekant genetinį optimizavimą, reikia didelės skaičiavimo galios, kad būtų galima greitai palyginti ir vienu metu pasirinkti daugybę parinkčių ir derinių. Ankstyvuosius genetinio optimizavimo tyrimus kartais ribojo turima apdorojimo galia, nes mokslininkai galėjo matyti galimas programas, bet negalėjo vykdyti sudėtingų programų. Didėjant kompiuterio galiai, šis metodas taip pat naudingas, nors dideliems ir sudėtingiems skaičiavimams vis tiek gali prireikti labai specializuoto kompiuterio.
Matematikos srities mokslininkai gali dirbti su genetiniu optimizavimu įvairiomis sąlygomis. Nuolatinis naujų formulių ir metodų kūrimas iliustruoja matematikos raidą, kai žmonės mokosi apie naujus sudėtingų problemų sprendimo būdus. Kai kuriuos paprastus genetinius optimizavimus galima pastebėti tokiuose nustatymuose kaip vertybinių popierių prekiautojų programinė įranga ir žaidimų bei virtualios realybės programavimas, kur programuotojai nori, kad vartotojai turėtų natūralesnę patirtį.