Este documento presenta un método para optimizar la calibración de parámetros y reglas de transición de uso del suelo de un modelo de crecimiento urbano de autómatas celulares (CA) utilizando un algoritmo genético auto-adaptativo (SAGA). La calibración óptima se logra a través de un algoritmo que minimiza la diferencia entre el crecimiento urbano simulado y el observado. El modelo se aplicó para simular el cambio de uso del suelo de no urbano a urbano en la ciudad de Logan, en el sureste de Queensland, Australia, desde 1991 hasta 2001. El rendimiento del modelo calibrado se evaluó comparando los mapas empíricos de cambio de uso del suelo obtenidos de la imagen de Landsat con el cambio de uso del suelo simulado producido por el modelo calibrado. Las precisiones de simulación del modelo muestran que el modelo calibrado generó un 86.3% de corrección, principalmente debido a que la persistencia observada se simuló como persistencia y en parte debido a que el cambio observado se simuló como cambio. El 13.7% de error de simulación se debió a cantidades casi iguales de persistencia observada que se simuló como cambio (7.5%) y cambio observado que se simuló como persistencia (6.2%). Tanto el modelo SAGA-CA como un modelo CA basado en logística sin optimización SAGA han simulado más cambio que la cantidad de cambio observado durante el período de simulación; sin embargo, la sobreestimación es ligeramente más severa para el modelo CA logístico. El modelo SAGA-CA también supera al modelo CA logístico con menos errores de cantidad y asignación y ligeramente más aciertos. Para la ciudad de Logan, los factores más importantes que impulsan el crecimiento urbano son la proximidad espacial a los centros urbanos existentes, carreteras y estaciones de tren. Sin embargo, la probabilidad de que un lugar se urbanice es menor cuando las personas son atraídas a trabajar en otras regiones.