Les algorithmes génétiques s'inspirent de certains mécanismes de l'évolution pour chercher de bonnes solutions à un problème. Une solution candidate est codée comme un génome, une fonction d'évaluation attribue une performance, puis une nouvelle génération est produite par sélection, croisement et mutation.
La sélection favorise les candidats performants, mais une pression excessive peut éliminer trop vite la diversité. La mutation introduit des variations; le croisement combine des fragments. L'efficacité dépend du codage et de la manière dont ces opérateurs respectent la structure du problème.
Il est tentant de décrire l'évolution de la population comme une spirale vers l'optimum. Cette image n'est pas générale. L'espace des solutions peut être discontinu, trompeur ou composé de nombreux bassins. La population peut stagner, perdre sa diversité, osciller entre régions ou converger vers une solution locale médiocre.
Les meilleurs algorithmes surveillent donc plusieurs indicateurs : meilleure performance, performance moyenne, diversité génétique et stabilité. Des méthodes de maintien de diversité, de nichage ou d'élitisme contrôlé peuvent préserver plusieurs pistes. Dans l'optimisation multiobjectif, on cherche un front de Pareto plutôt qu'un unique optimum.
Les algorithmes génétiques sont particulièrement utiles lorsque les dérivées sont indisponibles, lorsque les variables sont mixtes ou lorsque la structure du problème permet des opérateurs spécialisés. Ils peuvent toutefois exiger beaucoup d'évaluations. Une comparaison honnête avec des méthodes plus simples est indispensable.
La métaphore biologique a aussi ses limites. L'évolution naturelle n'optimise pas une fonction globale fixe; les environnements changent, les organismes interagissent et la reproduction est beaucoup plus complexe. L'algorithme emprunte une idée de variation et sélection, puis la transforme en outil d'ingénierie.
Le lien avec le projet est la convergence adaptative. Une population explore, se diversifie puis concentre progressivement ses efforts. Cette dynamique peut être représentée de multiples façons, mais aucune spirale caractéristique n'est attendue sans choix de projection particulier.