Evoluční algoritmus (také EA, umělá evoluce, AE) označuje podmnožinu evoluční výpočetní techniky, která je součástí umělé inteligence. Jedná se o obecný termín používaný k označení jakéhokoliv populačního metaheuristického optimalizačního algoritmu, který využívá mechanismy inspirované biologickou evolucí, jako je reprodukce, mutace, rekombinace (viz genetické operátory), přirozený výběr a přežití nejschopnějších. Kandidátská řešení optimalizačního problému hrají roli jednotlivců v populaci a nákladová funkce určuje prostředí, ve kterém řešení „žijí“ (viz také fitness funkce). Evoluce populace pak probíhá po opakované aplikaci výše uvedených operátorů.
Konkrétní příklady SZ jsou uvedeny níže. Většina těchto technik je podobného ducha, liší se však v podrobnostech jejich provádění a v povaze konkrétního problému, na který byly uplatněny.
Vzhledem k tomu, že nepředpokládají žádný předpoklad o základním fitness prostředí, obecně se má za to, že evoluční algoritmy fungují konzistentně dobře napříč všemi typy problémů (viz však věta o obědě bez nároku na odměnu). Dokazuje to jejich úspěch v tak rozmanitých oborech, jako je strojírenství, umění, biologie, ekonomie, genetika, operační výzkum, robotika, společenské vědy, fyzika, chemie a další.
Kromě jejich použití jako matematických optimalizátorů byly evoluční výpočty a algoritmy použity také jako experimentální rámec, v jehož rámci se ověřují teorie o biologické evoluci a přirozeném výběru, zejména prostřednictvím práce v oblasti umělého života. Techniky evolučních algoritmů aplikované na modelování biologické evoluce jsou obecně omezeny na zkoumání mikroevolučních procesů, nicméně některé počítačové simulace, jako Tierra a Avida, se pokoušejí modelovat makroevoluční dynamiku.
Omezením evolučních algoritmů je jejich absence jasného rozlišení genotypu a fenotypu. Oplodněná vaječná buňka v přírodě prochází složitým procesem známým jako embryogeneze, aby se stala zralým fenotypem. Předpokládá se, že toto nepřímé kódování činí genetické hledání robustnějším (tj. snižuje pravděpodobnost fatálních mutací) a také může zlepšit vývojovost organismu. Nedávné práce v oblasti umělých embryogenezí, neboli umělých vývojových systémů, se snaží tyto obavy řešit.
(od 1. ledna 2005 reorganizována na Speciální zájmovou skupinu pro genetické a evoluční výpočty ACM)