Los algoritmos genéticos son de las denominadas técnicas metaheurísticas de optimización, las cuales son útiles cuando el problema a resolver no es fácilmente desarrollable mediante técnicas de optimización exactas. Las técnicas metaheurísticas poseen mecanismos para escapar de soluciones óptimas locales, ayudando a encontrar de mejor forma un óptimo global, teniendo en cuenta que estas técnicas no lo garantizan. Los métodos tradicionales de búsqueda utilizan características del problema para determinar el siguiente punto, diferente de los métodos de búsqueda estocásticos, en los cuales el siguiente punto se determina a partir de reglas de muestreo y decisión estocástica. Los algoritmos genéticos manipulan una población de soluciones e implementan una “supervivencia del más adaptado” como estrategia de mejores soluciones. Esto provee un paralelismo implícito y explicito que permite la explotación de varias regiones prometedoras al mismo tiempo.