Las ideas sobre evolución biológica de naturalistas como Jean Baptiste Lamarck, Charles Darwin y Gregory Mendel inspiraron la rama de computación evolutiva dentro de las ciencias de la computación. Desde la década de 1950, varios autores como John Henry Holland, Lawrence J. Fogel, Ingo Rechenberg o Hans-Paul Schwefel han contribuido a su desarrollo.

La computación evolutiva utiliza el proceso de evolución natural como modelo estratégico para encontrar soluciones óptimas o casi óptimas para un problema determinado. Kyle Wiggers indicaba recientemente en un artículo para Venturebeat que la experiencia adquirida en proyectos como OpenAI, Google y Uber augura un potencial prometedor de la computación evolutiva.

Graham Kendall explicó en un artículo de 2018 para The Conversation que la computación evolutiva se basa en los principios de evolución natural de Charles Darwin que plantean que los miembros más débiles de una especie mueren y los más fuertes sobreviven. A lo largo de muchas generaciones, la especie evolucionará para adaptarse mejor a su entorno.

En la computación evolutiva, la computadora crea una población de posibles soluciones a un problema. La computadora podrá descartar las peores soluciones, retener las mejores y usarlas para generar un mayor número de posibles soluciones. Del mismo modo, partes de diferentes soluciones se combinarán para crear nuevas generaciones de soluciones.

Finalmente, otro elemento importante del cálculo evolutivo es la mutación. Ocasionalmente, se realiza un pequeño cambio aleatorio en una de las soluciones. Esto supone que se pueden crear nuevas soluciones potenciales que no serían posibles utilizando solo la combinación.