計算機科学において、進化的計算(evolutionary computation)は組合せ最適化問題を含む人工知能（より狭義には計算知能）の一分野である。進化的計算は、人口増加のような反復的過程を用いる。その人口は目的の結果に合うように誘導されたランダムかつ並列的な探索によって人為選択される。このような過程は、進化の生物学的機構にヒントを得ている。1950年代、コンピュータが広く使われる以前に、ダーウィニズムの原理を自動問題解決に使うという発想が生まれた。1960年代、この考え方の具体化が3つの場所で独立に行われた。アメリカ合衆国では、ローレンス・J・フォーゲルが進化的プログラミングを提唱した。また、ジョン・H・ホランドが遺伝的アルゴリズムと呼ばれる技法を生み出した。ドイツでは Ingo Rechenberg と Hans-Paul Schwefel が進化戦略を提唱した。これらは約15年間、独立して研究が進められた。1990年代初め、これらが1つの技術を表していることが明らかとなり、総称して進化的計算と呼ばれるようになった。また、同じころ第四の技法として遺伝的プログラミングが登場した。進化的技法には以下のようなメタヒューリスティックな最適化アルゴリズムが含まれる。また、他にも以下のような分野も含む。進化的アルゴリズムは、進化的計算の一部であり、生殖、突然変異、遺伝子組み換え、自然淘汰、適者生存などの生物学的進化から発想されたメカニズムを実装する技術にのみ関わる。最適化問題の解候補は、それぞれが個体の役割を果たし、コスト関数（適応度関数）によって与えられた環境でその解が「生き残る」かどうかが決定される。個体群の進化は、上述の作用を繰り返し適用することでなされる。この過程には、進化系の基盤を形成する2つの主な力が存在する。組み換えと突然変異によって必要な多様性を生成する一方、選択によって性能/品質を向上させる。このような進化的過程は様々な意味で確率的である。情報のうち組み換えや突然変異で変化する部分はランダムに選ばれる。一方、選択手法は決定的なものと確率的なものがありうる。後者の場合、適応度が高い個体ほど選択される確率が高いが、弱い個体であっても生き残って子孫を残す可能性がある。

出典:wikipedia