Genetikus algoritmus, a mesterséges intelligenciában az evolúciós számítógépes algoritmus egy típusa, amelyben a lehetséges megoldásokat reprezentáló szimbólumok (gyakran “géneknek” vagy “kromoszómáknak” nevezik) “nemesülnek”. A szimbólumok “nemesítése” jellemzően a genetikai rekombináció keresztezési folyamatával analóg mechanizmus és állítható mutációs ráta alkalmazásával történik. Az algoritmusok minden egyes generációjánál egy fitneszfüggvényt használnak a megoldások fokozatos javítására, a természetes szelekció folyamatának analógiájára. A genetikai algoritmusok fejlesztésének és a szelekció automatizálásának folyamatát genetikai programozásnak nevezzük. Az általános szoftvereken kívül a genetikai algoritmusokat néha a mesterséges élet, a sejtes automaták és a neurális hálózatok kutatásában is használják.
Noha nem ő volt az első, aki genetikai algoritmusokkal kísérletezett, John Holland sokat tett a terület fejlesztéséért és népszerűsítéséért az 1970-es évek elején a Michigani Egyetemen végzett munkájával. Adaptation in Natural and Artificial Systems (Adaptation in Natural and Artificial Systems, 1975; átdolgozva és bővítve 1992) című könyvében leírtak szerint kidolgozott egy módszert vagy sématételt a genetikai algoritmusok egyes generációinak értékelésére. John Koza, Holland egyik doktorandusza és a genetikai programozással kapcsolatos több mint egy tucat szabadalom tulajdonosa, a Scientific Games nevű cég alapítójaként az elsők között fejlesztette ki a terület kereskedelmi alkalmazásait. Koza programozási tapasztalatait a Genetikus programozás című könyvsorozatában osztotta meg: On the Programming of Computers by Means of Natural Selection (1992).
A genetikai programozásban gyakran felmerülő egyik nehézség az, hogy az algoritmusok a legjobb megoldás (“globális optimum”) megtalálása helyett megrekednek egy elfogadhatóan jó megoldás régiójában (“lokálisan optimális régió”). Az ilyen evolúciós zsákutcák leküzdése néha emberi beavatkozást igényel. Ezenkívül a genetikai programozás számításigényes. Az 1990-es években a programozási technikák még nem fejlődtek eléggé ahhoz, hogy indokolttá tegyék a szuperszámítógépek drága használatát, ami az alkalmazásokat meglehetősen leegyszerűsített problémákra korlátozta. Ahogy azonban az olcsóbb személyi számítógépek egyre nagyobb teljesítményűvé váltak, a genetikai programozás jelentős kereskedelmi sikereket ért el az áramkörtervezésben, az adatválogatásban és -keresésben, valamint a kvantumszámításban. Emellett a Nemzeti Repülési és Űrhajózási Hivatal (NASA) genetikai programozást használt az Űrtechnológia 5 projekt antennáinak tervezésénél, amely három, 2006-ban felbocsátott “mikro-szatellitet” tartalmazott a naptevékenységnek a Föld magnetoszférájára gyakorolt hatásának megfigyelésére.