Este trabajo presenta la aplicación de un novedoso enfoque algorítmico evolutivo para determinar y reconstruir la ubicación específica en tres dimensiones de las emisiones de rayos gamma dentro del objeto de refugio, el sarcófago de la Unidad 4 de la Planta Nuclear de Chornobyl. A pesar de que han transcurrido más de 30 años desde el accidente catastrófico, los altos niveles de radiación combinados con estrictas restricciones de seguridad y operativas siguen impidiendo que muchos sistemas modernos de detección y mapeo de radiación se desplieguen extensa o exitosamente dentro del objeto de refugio. Por lo tanto, son crucialmente necesarios métodos para reconstruir los intensos y cambiantes campos de gamma basados en el limitado inventario de datos disponibles. Dichos datos son particularmente importantes para planificar la demolición de las estructuras inestables que conforman la instalación, así como durante las operaciones previas para retirar materiales que contienen combustible del interior del sarcófago y la Unidad 4 del reactor. Para este enfoque, un modelo simplificado de emisiones de gamma dentro del objeto de refugio está representado por una serie de fuentes puntuales, cada una espaciada regularmente en la superficie exterior del objeto de refugio, donde los valores de actividad calculados de estas fuentes discretas se consideran como una población en términos de algoritmos evolutivos. Para evaluar la reconstrucción numérica, se define una función de aptitud, que comprende la variación entre los valores de actividad conocidos (obtenidos durante la puesta en marcha del Nuevo Confinamiento Seguro a fines de 2019 en el nivel del sistema de grúas principal, ubicado justo debajo del arco sobre el objeto de refugio) y los valores calculados en estas ubicaciones conocidas para cada nueva población. La actuación final del algoritmo fue posteriormente verificada utilizando información recién obtenida sobre la tasa de dosis de gamma en el techo del objeto de refugio durante trabajos de inspección de radiación a fines de 2021. Con solo 7000 iteraciones, el algoritmo logró un error porcentual MAPE de menos del 23%, que los autores consideran como satisfactorio, teniendo en cuenta que el error relativo de las mediciones es de +/-17%. Aunque en este trabajo se presenta una aplicación inicial simple, se demuestra que los algoritmos evolutivos podrían usarse para el mapeo de radiación con una red existente de sensores de radiación, o, como en este caso, basados en datos históricos de campo de gamma.