Les algorithmes génétiques (AG) sont une classe particulière d'algorithmes évolutifs (EA) qui utilisent des techniques inspirées de la biologie évolutive telles que l'héritage, la mutation, la sélection et le croisement. Ces algorithmes reposent sur les principes de la sélection naturelle et de la survie du plus apte, tels qu'énoncés par Charles Darwin dans L'origine des espèces. En imitant ces processus de sélection naturelle et de survie du plus apte, les algorithmes génétiques sont capables de trouver des solutions aux problèmes du monde réel, s'ils ont été convenablement codés. Ce livre aborde les bases des algorithmes génétiques, à savoir la génération de la population, le codage, la sélection, le croisement, la mutation et les itérations. L'optimisation/maximisation des fonctions est le principal point de discussion de cet ouvrage. Il s'agit de mettre en ouvre une fonction d'aptitude choisie à l'aide de différentes techniques de sélection utilisées dans les algorithmes génétiques et de les comparer sur la base des valeurs d'aptitude de la fonction à différents nombres d'itérations. Ce travail serait utile aux professionnels et aux étudiants/chercheurs qui souhaitent avoir un aperçu de la compréhension et de la mise en ouvre du processus d'algorithme génétique pour résoudre un problème d'optimisation.