روش منظم و پشت سر هم^[۹۴]
روش حالت پایدار^[۹۵]
روش الیتیسم^[۹۶] (نخبه گرا)[۷]
روش«چرخ گردون»، این روش یک روش تصادفی با جایگزینی است در این روش ارزش هر فرد را به صورت درصدی از مجموع مقدار ارزش ها بیان می شود و سپس برابر با این درصد درصدی از مساحت یک دایره را به آن فرد اختصاص می دهند.
روش «نمونه برداری تصادفی کلی»، روش تفاوت اصلی این روش با روش چرخ گردون در این است که در این روش تمامی انتخاب ها در یک مرحله صورت می گیرد.
روش «انتخاب مسابقه ای»، در این روش در هر مرحله از انتخاب ابتدا چند نفر از اعضای فضای طرح انتخاب شده و سپس فردی که دارای بیشترین ارزش است انتخاب می شود.
گاهی دیده می شود که افرادی با ارزش بالا(توانایی تطبیق بالا با محیط) هستند که در طول دوره حذف می شوند با تفاوت هایی اندک در برخورد با نوابغ در الگوریتم های ریاضی نیز با این پدیده مواجه هستیم در الگوریتم ژنتیک برای پیشگیری از این اتفاق الگوریتم هایی با معیار نخبه گرایی تعریف می کنیم[۶].

۲-۲-۸ تقاطع

در الگوریتم ژنتیک به عمل تولید نسل تقاطع یا پیوند می گویند، لازمه عمل پیوند در علم ژنتیک این است که سلول های والد آماده عمل آمیزش شوند و سپس دو سلول(کروموزم) باهم پیوند(تقاطع) ایجاد کنند، تقسیمات سلولی فرایند آماده سازی یک سلول برای وارد شدن به مرحله تقاطع است. این عملگر، مهم ترین عملگر در الگوریتم ژنتیک است. برای ساختن نسل بعد، دو کروموزوم از استخر آمیزش به عنوان والد انتخاب شده و با عمل آمیزش دو فرزند به وجود می آید.عملگر تقاطع به طور قطعی روی تمام والدین اجرا نمی شود. در الگوریتم ژنتیک عمل تقاطع با احتمال   صورت می گیرد که معمولا عددی بین ۰٫۶ و ۰٫۹ است.[۱۵]
در الگوریتم ژنتیک عمل تقاطع را به چند شکل می توان در نظر گرفت که عبارت اند از:
تقاطع یک نقطه ای، ساده ترین نوع تقاطع، تقاطع یک نقطه ای است، این عملگر الزاماً به تمام رشته ها اعمال نمی شود بلکه برای اعمال آن به یک جفت در هر مرحله یک احتمال وجود دارد در این روش اطلاعات مربوط به دو رشته از یک بیت که به صورت تصادفی انتخاب شده است جابجا می شود.
تقاطع چند نقطه ای^[۹۷]، تفاوت این عملگر با تقاطع یک نقطه ای در این است که در این روش رشته ها به چند قسمت تقسیم می شوند و اطلاعات مربوط به رشته ها یک در میان عوض می شود. ولی قسمت اول هر رشته ثابت باقی می ماند، مزیت این روش نسبت به روش قبل به این است که چون این روش فضا الگوریتم را بیشتر مورد جستجو قرار می دهد الگوریتم به ثبات بیشتری می رسد.
تقاطع یکنواخت^[۹۸]، در این روش یک رشته تصادفی از اعداد با طول یکسان با رشته های انتخاب شده ایجاد می شود اگر عدد یک بیت از این رشته یک بود اطلاعات بیت های نظیر در دو رشته عوض می شود و اگر عدد بیت مورد نظر در رشته تصادفی صفر بود این اطلاعات جابجا نمی شوند.
تقاطع حسابی^[۹۹]، این روش مخصوص الگوریتم ژنتیک حقیقی است و روابط آن به شکل زیر است:

در ین روش   و   پارامترهای تصادفی می گویند که برای هر متغیر تغییر خواهد کرد در صورتی که این دو پارامتر را ثابت فرض کنیم به عملگر تقاطع خطی گفته می شود.
تقاطع جهت دار^[۱۰۰]، این روش نیز برای کروموزم های کد شده با بهره گرفتن از اعداد طبیعی مناسب است،اگر فرض کنیم که کروموزم با متغیر   از کورموزم شامل متغیر   از لحاظ برازندگی در شرایط بهتری قرار داشته باشد آنگاه تابع تقاطع را به شکل زیر تعریف می کنیم:
در این روش باید به این نکته توجه داشت که مقدار متغیر   از محدوده مجاز تجاوز نکند.

۲-۲-۹ جهش^[۱۰۱]

این عمل، یک ژن از یک کروموزوم را به صورت تصادفی انتخاب کرده و محتویات آن را اندکی تغییر می دهد. در الگوریتم ژنتیک و مبنای دودویی جهش به صورت تغییر مقدار یک خانه از صفر به یک و برعکس تعریف می شود و معمولاً احتمال وقوع جهش را با   نشان داده و مقدار آن را ۰٫۰۱ تا ۰٫۰۰۱ در نظر می گیرند، از مزایای جهش می توان به این نکته اشاره کرد که احتمال تولید مجدد کروموزم های خوبی که در طی فرایند انتخاب از بین رفته اند وجود خواهد داشت از طرف دیگر جهش این امکان را به وجود می آورد که فضای طرح در طول فرایند بهینه سازی مورد بررسی قرار گیرد. از نکات دیگری که می توان در رابطه با جهش ذکر کرد این است که می توان احتمال بروز جهش را در طول فرایند بهینه سازی متغییر در نظر گرفت.
: احتمال جهش در هر نسل
 : مقدار ثابتی که بیشترین مقدار احتمال جهش را نشان می دهد.
t : شماره نسل
T : تعداد کل نسل ها
: ضریب ثابت یا متغییری که مقدار کاهش جهش در هر گام را نشان می دهد[۶].

۲-۲-۱۰ حذف

فرایند حذف شدن در الگوریتم ژنتیک مشابه همان چیزی است که در بالا به آن اشاره شد با این تفاوت که یک خانه از یک رشته حذف می شود. سپس سایر خانه ها به گونه ای جابجا می شوند که خانه حذف شده به آخر رشته منتقل شود و ترتیب سایر خانه ها بهم نخورد[۶].
احتمال بروز پدیده حذف شدن را می توان با فرمول زیر نشان داد:
: احتمال حذف شدن در هر نسل
 : مقدار ثابتی که بیشترین مقدار احتمال حذف شدن را نشان می دهد .
: ضریب ثابت یا متغییری که مقدار کاهش عملگر حذف در هر گام را نشان می دهد[۶].

۲-۲-۱۱ تعویض یا جایگزینی

این عملگر به صوت تصادفی جای دوخانه از یک رشته را عوض می کند و احتمال بروز آن را به شکل زیر تعریف می کنند[۶]:
: احتمال تعویض در هر نسل
 : مقدار ثابتی که بیشترین مقدار احتمال تعویض را نشان می دهد.
: ضریب ثابت یا متغییری که مقدار کاهش عملگر جابجایی در هر گام را نشان می دهد.
نکته قابل ذکر در این بخش آن است که در سه بخش فوق احتمال وقوع جهش، حذف و جابجایی در طول فرایند بهینه سازی متغییر معرفی شده اند در حالی که می توان احتمال وقوع هر کدام از این سه پدیده را در کل دوره فرایند ثابت در نظر گرفت.

۲-۳ جایگزینی به روش انتخاب نخبه گرا

در روش جایگزینی حذفی، ضمانتی برای بقای شایسته ترین فرد جمعیت وجود ندارد. ممکن است این فرد برای زاد و ولد انتخاب نشود یا آن که در خلال اعمال عملگرهای پیوند و جهش، بسیاری از خصوصیات خود را از دست بدهد. در روش انتخاب نخبه گرا که بر پایه جایگزینی نسلی است به بهترین افراد جمعیت نسل فعلی (یک یا چند فرد با بیشترین شایستگی) اجازه داده می شود که به صورت مستقیم به نسل بعد منتقل شوند. به این نوع جایگزینی، انتخاب نخبه گرا گفته می شود. در حادترین شکل انتخاب نخبه گرا، کروموزوم های نسل والد و فرزند در کنار یکدیگر قرار گرفته و تعداد N کروموزومی که برترند، انتخاب می شوند. هرچه نخبه گرایی در یک الگوریتم افزایش یابد، قابلیت کاوش کاهش و قابلیت بهره گیری افزایش می یابد. بنابراین، همگرایی زودرس الگوریتم از پیامدهای نخبه گرایی است.

۲-۴ همگرایی^[۱۰۲]

همگرایی، پیشرفت به سوی یکنواختی است. چنانچه الگوریتم ژنتیک به طرز صحیحی پیاده سازی شود، جمعیت در نسل های متمادی تکامل پیدا می کند و متوسط برازندگی جمعیت، نسل به نسل به سمت برازندگی بهترین عضو آن جمعیت نزدیکتر شده و به سمت بهینه کلی^[۱۰۳] سوق پیدا می کند. یک جمعیت زمانی همگرا نامیده می شود که همه ژن های آن همگرا شده باشند و ژنی همگرا گفته می شود که ۹۵ درصد افراد جمعیت مقدار یکسانی در آن ژن داشته باشند[۶].

۲-۵ روند کلی الگوریتم‏های ژنتیکی

قبل از این که یک الگوریتم ژنتیکی بتواند اجرا شود، ابتدا باید کدگذاری (یا نمایش) مناسبی برای مسئله مورد نظر پیدا شود. معمولی ترین شیوه نمایش کروموزومها در الگوریتم ژنتیک به شکل رشته های دودویی است. هر متغیر تصمیم گیری به صورت دودویی در آمده و سپس با کنار هم قرار گرفتن این متغیرها کروموزوم ایجاد میشود. گرچه این روش گسترده ترین شیوه کدگذاری است اما شیوه های دیگری مثل نمایش با اعداد حقیقی در حال گسترش هستند. همچنین یک تابع برازندگی نیز باید ابداع شود تا به هر راه‏ حل کدگذاری شده ارزشی را نسبت دهد. در طی اجرا، والدین برای تولید مثل انتخاب می‏شوند و با بهره گرفتن از عملگرهای آمیزش و جهش با هم ترکیب می‏شوند تا فرزندان جدیدی تولید کنند. این فرایند چندین بار تکرار می‏شود تا نسل بعدی جمعیت تولید شود. سپس این جمعیت بررسی می‏شود و در صورتی که ضوابط همگرایی برآورده شوند، فرایند فوق خاتمه می‏یابد[۱۵].
روند کلی الگوریتم ژنتیک در شکل ۲-۱ نشان داده شده است.
تعریف مقادیر پارامترهای الگوریتم ژنتیک و تعریف تابع شایستگی
شروع
تولید جمعیت اولیه بصورت اتفاقی
رمز گشایی کروموزوم ها
ارزیابی کروموزوم ها
انتخاب والدین