Gli algoritmi genetici (GA) sono una particolare classe di algoritmi evolutivi (EA) che utilizza tecniche ispirate alla biologia evolutiva come l'ereditarietà, la mutazione, la selezione e il crossover. Questi algoritmi si basano sui principi della selezione naturale e della sopravvivenza del più adatto, come affermato da Charles Darwin ne L'origine delle specie. Imitando questi processi di selezione naturale e di sopravvivenza del più adatto, gli algoritmi genetici sono in grado di trovare soluzioni ai problemi del mondo reale, se sono stati opportunamente codificati. In questo libro vengono discusse le basi degli algoritmi genetici che comprendono la generazione della popolazione, la codifica, la selezione, il crossover, la mutazione e le iterazioni. L'ottimizzazione/massimizzazione della funzione è il principale punto di discussione di questo lavoro. Si tratta di implementare una funzione di fitness scelta usando diverse tecniche di selezione utilizzate nell'algoritmo genetico e di fare un confronto tra di esse in base ai valori di fitness della funzione a un diverso numero di iterazioni. Questo lavoro sarebbe utile per i professionisti e gli studenti/ricercatori che desiderano avere un'idea della comprensione e dell'implementazione del processo dell'algoritmo genetico per la risoluzione di un problema di ottimizzazione.
