遺伝的アルゴリズム（Genetic Algorithm, GA）は、最適化問題に対する探索的ヒューリスティック手法の一つであり、ダーウィンの進化論に基づいています。具体的には、解の候補を個体とし、その集合を集団として扱います。各個体は問題の解を表す染色体として符号化されます。

GAの基本的な操作は、自然淘汰におけるプロセスを模倣しています。まず、初期集団をランダムに生成します。次に、各個体の適合度を評価関数によって算出し、解としての良さを定量化します。この適合度が高い個体ほど、次の世代に子孫を残す確率が高くなるように、選択操作が行われます。

選ばれた個体ペアに対して、遺伝情報の交換を模擬する交叉が適用され、新しい子個体が生成されます。さらに、突然変異が一定の確率で適用され、探索空間の多様性を維持し、局所最適解への収束を防ぎます。

これらの操作を繰り返すことで、集団の適合度が世代を追うごとに向上し、最終的に問題に対する準最適解や最適解に収束することが期待されます。

GAは、探索空間が広大で複雑な問題、例えばスケジューリング問題や機械学習におけるハイパーパラメータ最適化などに有効な手法として広く利用されています。