Los incendios forestales son eventos naturales complejos que causan daños significativos al medio ambiente y a la propiedad, así como pérdidas humanas, cada año en todo el mundo. Con el fin de ayudar en su gestión y mitigar su impacto, se han dirigido esfuerzos hacia el desarrollo de sistemas de apoyo a la toma de decisiones que puedan predecir la propagación de incendios forestales. La mayoría de las herramientas disponibles para la predicción de la propagación de incendios forestales se basan en el modelo Rothermel que, además de ser relativamente complejo y exigente en términos de computación, depende de varios parámetros de entrada relacionados con los combustibles locales, el viento o la topografía, que son difíciles de obtener con una resolución y grado de precisión mínimos. Estos factores son causas principales de las desviaciones entre la propagación del fuego predicha y la propagación real del fuego. En este sentido, este documento realiza una revisión de la literatura sobre metodologías de optimización para la predicción de la propagación de incendios forestales basadas en el uso de algoritmos evolutivos para la calibración de conjuntos de parámetros de entrada. En la revisión de la literatura actual, se observó que la mayoría de la literatura sobre la calibración de la predicción de la propagación de incendios forestales se centra en metodologías basadas en algoritmos genéticos (AG). En línea con esta tendencia, este documento presenta una aplicación de algoritmos genéticos para la calibración de un conjunto de parámetros de entrada del modelo Rothermel, a saber: relación superficie-volumen, profundidad del lecho de combustible, humedad del combustible y velocidad del viento en la llama media. El AG fue validado en 37 conjuntos de datos reales obtenidos a través de incendios prescritos experimentales en condiciones controladas.