Genetska optimizacija je uporaba programskih algoritmov za iskanje najboljše rešitve problema. To izvira iz dela matematikov že v petdesetih letih prejšnjega stoletja, ki so vzeli modele, ki so jih videli v biologiji, in jih uporabili za nelinearne probleme, ki jih je bilo težko rešiti s konvencionalnimi sredstvi. Ideja je posnemati biologijo, ki se razvija skozi generacije, da bi ustvarila najprimernejšo možno populacijo. Pri programiranju je mogoče ta proces simulirati, da bi prišli do kreativne rešitve problema.
Nelinearni problemi so lahko izziv za matematike. Primer je mogoče videti pri trgovanju z vrednostnimi papirji, kjer so lahko številne možne odločitve, ki se hitro odcepijo in ustvarijo drevo izbire. Neodvisen izračun verjetnosti, povezanih z vsako izbiro, bi bil zelo zamuden. Matematik bi lahko zamudil tudi optimalno rešitev, če ne bo združil možnih izbir za raziskovanje novih permutacij. Genetska optimizacija omogoča raziskovalcem, da izvedejo takšne izračune na učinkovitejši način.
Raziskovalec začne s predmetom zanimanja, znanim kot »populacija«, ki jo lahko razdelimo na posameznike, včasih znane kot bitja, organizmi ali kromosomi. Ti izrazi, izposojeni iz biologije, odražajo izvor tega pristopa k programiranju. Računalnik lahko začne izvajati simulacijo s populacijo, pri čemer izbere posamezne organizme znotraj generacije in jim omogoči, da se mešajo, da ustvarijo novo generacijo. Ta proces se lahko ponavlja skozi več generacij, da se združijo in rekombinirajo možne rešitve, v idealnem primeru pa se najde najbolj primerna možnost za dane pogoje.
To je lahko izjemno težka z viri. Izračuni, uporabljeni pri genetski optimizaciji, zahtevajo veliko računalniško moč za hitro primerjavo in izbiro številnih možnosti in kombinacij hkrati. Zgodnje raziskave genetske optimizacije so bile včasih omejene z razpoložljivo procesorsko močjo, saj so raziskovalci lahko videli potencialne aplikacije, niso pa mogli izvajati zapletenih programov. Ko se moč računalnika povečuje, je tudi uporabnost te metode, čeprav lahko veliki in zapleteni izračuni še vedno zahtevajo visoko specializiran računalnik.
Raziskovalci na področju matematike lahko delajo z genetsko optimizacijo v različnih okoljih. Nenehni razvoj novih formul in pristopov ponazarja razvoj matematike, ko se ljudje učijo novih načinov obravnavanja kompleksnih problemov. Nekaj preproste genetske optimizacije je mogoče videti pri delu v nastavitvah, kot so programska oprema za trgovce z vrednostnimi papirji in programiranje za igre in virtualno resničnost, kjer programerji želijo, da imajo uporabniki bolj naravno izkušnjo.