Genetický algoritmus, v umělé inteligenci typ evolučního počítačového algoritmu, v němž se „chovají“ symboly (často nazývané „geny“ nebo „chromozomy“) představující možná řešení. Toto „šlechtění“ symbolů obvykle zahrnuje použití mechanismu analogického procesu křížení a přechodu v genetické rekombinaci a nastavitelnou míru mutace. Pro každou generaci algoritmů se používá funkce fitness, která postupně zlepšuje řešení analogicky k procesu přírodního výběru. Proces vývoje genetických algoritmů a automatizace výběru se nazývá genetické programování. Kromě obecného softwaru se genetické algoritmy někdy používají při výzkumu umělého života, buněčných automatů a neuronových sítí.
Ačkoli John Holland nebyl první, kdo experimentoval s genetickými algoritmy, svou prací na počátku 70. let 20. století na Michiganské univerzitě se významně zasloužil o rozvoj a popularizaci tohoto oboru. Jak popsal ve své knize Adaptation in Natural and Artificial Systems (1975; revidovaná a rozšířená verze 1992), navrhl metodu neboli teorém schématu pro hodnocení každé generace genetických algoritmů. John Koza, jeden z Hollandových doktorandů a držitel více než desítky patentů souvisejících s genetickým programováním, byl jako jeden z prvních zakladatelů společnosti Scientific Games jedním z prvních, kdo vyvinul komerční aplikace tohoto oboru. Koza se o své programátorské zkušenosti podělil v řadě knih počínaje knihou Genetické programování:
Jedním z problémů, s nimiž se genetické programování často setkává, je skutečnost, že algoritmy uvíznou v oblasti přiměřeně dobrého řešení („lokálně optimální oblast“), místo aby našly nejlepší řešení („globální optimum“). Překonání takových slepých uliček evoluce někdy vyžaduje lidský zásah. Kromě toho je genetické programování výpočetně náročné. V 90. letech 20. století se techniky programování pro něj nevyvinuly natolik, aby ospravedlnily nákladné použití superpočítačů, což omezovalo aplikace na poměrně zjednodušené problémy. Jakmile se však staly levnější osobní počítače výkonnějšími, začalo mít genetické programování pozoruhodné komerční úspěchy v oblasti návrhu obvodů, třídění a vyhledávání dat a kvantových výpočtů. Kromě toho Národní úřad pro letectví a vesmír (NASA) použil genetické programování při návrhu antén pro projekt Space Technology 5, který zahrnoval tři „mikrosatelity“ vypuštěné v roce 2006 za účelem sledování vlivu sluneční aktivity na zemskou magnetosféru.
.