Kebanyakan permasalahan optimasi pada dunia industri (secara khusus dapat dikatakan sistem manufakturing ) memiliki kompleksitas yang sangat tinggi dan sulit untuk diselesaikan dengan teknik-teknik optimasi konvensional. Semenjak tahun 1960-an, peningkatan minat para ilmuwan yang memfokuskan kepada bidang pengimitasian kehidupan, telah menghasilkan berbagai teknik atau pendekatan optimisasi yang dapat disebut juga sebagai algoritma evolusioner, sehingga memungkinkan untuk menyelesaikan permasalahan-permasalahan optimasi yang kompleks secara lebih mudah dan akurat. Ada tiga wilayah utama yang tercakup di dalam algoritma evalusioner yaitu algoritma genetik (Gas), pemrograman evalusioner (Eps) dan strategi evolusi (Ess). Materi yang dibahas di dalam buku ini mencakup: Pondasi algoritma genetik, berbagai permasalahan dalam algoritma genetik, contoh-contoh kasus numerik dan pemrograman non-linier; optimisasi stochastic. Algoritma genetik merupakan teknik search stochastic yang berdasarkan mekanisme seleksi alam dan genetika natural. Yang membedakan algoritma genetik dengan berbagai algoritma konvensional lainnya adalah bahwa algoritma genetik memulai dengan suatu himpunan penyelesaian acak awal yang disebut populasi. Algoritma genetik menjadi kebutuhan utama di beberapa kampus yang menyelenggarakan kuliah kecerdasan buatan dan komputasi cerdas.