Los Algoritmos Genéticos (AG) son una clase particular de Algoritmos Evolutivos (AE) que utilizan técnicas inspiradas en la biología evolutiva como la herencia, la mutación, la selección y el cruce. Estos algoritmos se basan en los principios de la selección natural y la supervivencia del más apto, tal y como afirma Charles Darwin en El origen de las especies. Al imitar estos procesos de selección natural y supervivencia del más apto, los algoritmos genéticos son capaces de encontrar soluciones a problemas del mundo real, si se han codificado adecuadamente. En este libro se tratan los fundamentos de los algoritmos genéticos, que abarcan la generación de poblaciones, la codificación, la selección, el cruce, la mutación y las iteraciones. La optimización/maximización de funciones es el punto principal de discusión en esta obra. Se trata de implementar una función de aptitud elegida utilizando diferentes técnicas de selección utilizadas en el algoritmo genético y hacer una comparación de ellos sobre la base de los valores de aptitud de la función en diferentes números de iteraciones. Este trabajo será útil para profesionales y estudiantes/investigadores que deseen obtener una visión sobre la comprensión y la aplicación del proceso del algoritmo genético para resolver un problema de optimización.
