Algoritmo genético, en inteligencia artificial, un tipo de algoritmo informático evolutivo en el que se «crían» símbolos (a menudo llamados «genes» o «cromosomas») que representan posibles soluciones. Esta «crianza» de símbolos suele incluir el uso de un mecanismo análogo al proceso de cruce en la recombinación genética y una tasa de mutación ajustable. En cada generación de algoritmos se utiliza una función de aptitud para mejorar gradualmente las soluciones, de forma análoga al proceso de selección natural. El proceso de evolución de los algoritmos genéticos y de automatización de la selección se conoce como programación genética. Además del software general, los algoritmos genéticos se utilizan a veces en la investigación con vida artificial, autómatas celulares y redes neuronales.
Aunque no fue el primero en experimentar con algoritmos genéticos, John Holland hizo mucho por desarrollar y popularizar el campo con su trabajo a principios de los años 70 en la Universidad de Michigan. Como se describe en su libro, Adaptation in Natural and Artificial Systems (1975; revisado y ampliado en 1992), ideó un método, o teorema del esquema, para evaluar cada generación de algoritmos genéticos. John Koza, uno de los estudiantes de doctorado de Holland y titular de más de una docena de patentes relacionadas con la programación genética, fue uno de los primeros en desarrollar aplicaciones comerciales de este campo, como fundador de una empresa conocida como Scientific Games. Koza compartió sus experiencias de programación en una serie de libros que comienzan con Genetic Programming: On the Programming of Computers by Means of Natural Selection (1992).
Una dificultad que se encuentra a menudo en la programación genética es la de que los algoritmos se atascan en la región de una solución razonablemente buena (una «región localmente óptima») en lugar de encontrar la mejor solución (un «óptimo global»). La superación de estos callejones sin salida evolutivos requiere a veces la intervención humana. Además, la programación genética es intensiva desde el punto de vista computacional. En los años 90, las técnicas de programación no se habían desarrollado lo suficiente como para justificar el costoso uso de superordenadores, lo que limitaba las aplicaciones a problemas más bien simplistas. Sin embargo, cuando los ordenadores personales más baratos se hicieron más potentes, la programación genética empezó a tener un notable éxito comercial en el diseño de circuitos, la clasificación y búsqueda de datos y la computación cuántica. Además, la Administración Nacional de la Aeronáutica y del Espacio (NASA) utilizó la programación genética en el diseño de antenas para el Proyecto de Tecnología Espacial 5, que incluía tres «microsatélites» lanzados en 2006 para vigilar los efectos de la actividad solar en la magnetosfera de la Tierra.