Untuk mendapatkan nilai alpha paling optimal untuk metode Brown's Double Exponential Smoothing (Brown's-DES) dapat menggunakan metode algoritma genetika. Namun, Kekurangan dari algoritma genetika yaitu memerlukan generasi yang banyak untuk menghasilkan sebuah nilai yang optimal. Perlu banyak iterasi yang harus dilakukan jika ingin mendapatkan nilai paling optimal dan presisi. Banyaknya iterasi akan berpengaruh pada kecepatan algoritma dalam menemukan nilai paling optimal. Maka dari itu, peneliti mengembangkan algoritma multiple genetik yang terinspirasi dari algoritma genetik. Peneliti mengambangkan algoritma multi genetik dengan tujuan mendapatkan nilai alpha yang paling optimal dan lebih presisi yang akan diterapkan pada metode B-DES. Algoritma yang dikembangkan mampu menemukan nilai alpha paling optimal dan lebih presisi dengan meminimalkan generasi yang diperlukan dalam algoritma. Dengan menerapkan algoritma multi genetika dua tingkat, didapatkan nilai alpha 0,74 dengan persentase MAPE 1,3224% dibandingkan dengan algoritma genetika biasa yang mendapatkan nilai alpha 0,7 dengan persentase MAPE 1,3456%. Pengembangan algoritma genetika menjadi algoritma multi genetika mampu memberikan hasil nilai alpha yang lebih optimal dibandingkan hanya menggunakan algoritma genetika biasa.