Desde hace ya algunos años se está dando el nombre de computación natural (Natural Computing) a un conjunto de modelos de computación no convencionales inspirados en ejemplos de la naturaleza. 

La idea que subyace en estos modelos es la de imitar el modo en el cual la naturaleza ha dado soluciones a sus problemas durante milenios, ya sea aplicando sus estrategias como; selección natural, clonación vs reproducción sexual, codificación genética de información, etc. O utilizando como modelo a los órganos que surgieron a través de la evolución como; el sistema nervioso, el sistema inmune y otros. Incluyendo en algunos casos, a sus modos de interactuar y organizarse en comunidades como; las colonias de bacterias, de hormigas, los modos de propagación de plagas o de una especie vegetal, etc. 

De forma resumida, su método general es al parecer el de adaptación por prueba y error, logrando generación tras generación, época tras época, el éxito de los que mejor se adaptan al contexto, tomando como éxito a la sustentabilidad en el tiempo de los beneficios logrados. En ingeniería esto es un proceso de optimización. 

Los nombres algorítmicos de estos procesos son las redes neurales artificiales (RNA), los algoritmos genéticos, la programación evolutiva, los autómatas celulares (AC) y otros muchos modelos computacionales no convencionales, que implementan las estrategias diseñadas por la naturaleza en su evolución (o sus resultados). El objetivo es modelar sistemas discretos en los que se estima que su complejidad, no linealidad e incertidumbre son esenciales, por lo que un modelo matemático exacto o es muy complicado de ser construido, o sencillamente es imposible hacerlo.Este tema teórico-práctico muestra ejemplos concretos de las técnicas basadas en los conceptos de fractales, sistemas dinámicos, autómatas celulares.