Como uno de los métodos heurísticos evolutivos, los algoritmos genéticos (GAs) han demostrado una capacidad prometedora para resolver problemas de optimización complejos. Sin embargo, los GAs existentes todavía tienen dificultades para encontrar el óptimo global y evitar la convergencia prematura. Para mejorar aún más la eficiencia de búsqueda y la tasa de convergencia de los algoritmos evolutivos, inspirados en el mecanismo de la información genética y la evolución biológica del ADN, presentamos un nuevo algoritmo genético, llamado GA-TNE+DRO, que utiliza un novedoso esquema de codificación de tripletes de nucleótidos para codificar soluciones potenciales y un conjunto de nuevos operadores genéticos para buscar soluciones óptimas a nivel global. El esquema de codificación representa soluciones potenciales como una secuencia de tripletes de nucleótidos y las operaciones de reproducción de ADN imitan el proceso de reproducción del ADN de manera más vívida que los GAs existentes. Comparamos nuestro algoritmo con varios GAs existentes y algoritmos GA basados en ADN utilizando un conjunto de ocho funciones de optimización no restringidas. Nuestros resultados experimentales muestran que el algoritmo propuesto puede converger a soluciones mucho más cercanas a las soluciones óptimas globales en un número mucho menor de iteraciones que los algoritmos existentes. Un análisis de complejidad también muestra que nuestro algoritmo es computacionalmente más eficiente que los algoritmos existentes.