La presente investigación explora la optimización de estrategias de mantenimiento para parques eólicos flotantes (FOW) utilizando algoritmos genéticos anidados. El objetivo principal es proporcionar información sobre los procesos de toma de decisiones necesarios para la planificación de mantenimiento tanto inmediata como estratégica, crucial para la viabilidad y eficiencia de las operaciones de FOW. Se acopló un algoritmo genético anidado con simulaciones de eventos discretos para simular y optimizar escenarios de mantenimiento influenciados por varios parámetros operativos y ambientales. El estudio reveló que el momento del mantenimiento a corto plazo está significativamente influenciado por las condiciones del viento, con precios de electricidad más altos que justifican el almacenamiento de piezas de repuesto en el sitio para mitigar interrupciones operativas, sugiriendo incentivos económicos para mantener un inventario de piezas de repuesto en el sitio. Los hallazgos estratégicos a largo plazo enfatizaron el impacto de los intervalos planificados entre inspecciones en los resultados financieros, identificando estrategias óptimas que equilibran los costos operativos con la eficiencia de producción de energía. En última instancia, este estudio destaca la importancia de integrar modelos predictivos sofisticados para la detección de fallos con datos operativos en tiempo real para mejorar la toma de decisiones de mantenimiento en el paisaje en evolución de la energía eólica marina, donde es probable que las futuras granjas operen más lejos de las instalaciones en tierra y bajo condiciones de mercado potencialmente muy variables en términos de precios de electricidad.