Operatori Dinamici

Durante l’esecuzione dell’algoritmo le impostazioni ottime dei valori della probabilità degli operatori (mutazione e crossover) possono variare. Davis ha provato una variazione lineare della probabilità della mutazione e del crossover: mentre il secondo decresce durante l’esecuzione, il primo cresce. Booker invece utilizza un valore di crossover variabile dinamicamente, che dipende dalla propagazione del fitness. Quando la popolazione converge, il valore del crossover si riduce per dare più opportunità alla mutazione di trovare nuove variazioni, quindi questo ha un effetto simile alla tecnica lineare di Davis, ma con il vantaggio di essere adattativo. Davis descrive una nuova tecnica adattativa che si basa sul successo degli operatori nel trovare buoni figli. Si dà un credito a ciascun operatore quando produce un buon individuo nella popolazione  in base agli ultimi 50 accoppiamenti e in seguito,  per ogni evento riproduttivo, un operatore è selezionato a caso secondo il suo credito. Il valore del credito varia in maniera adattativa dipendente dal problema; se durante il corso dell’esecuzione un operatore perde improvvisamente molto credito, probabilmente è meno efficace degli altri.
In questo modo si può costruire un algoritmo efficiente senza preoccuparci troppo di trovare parametri ottimi degli operatori, dato che questi si adattano automaticamente durante l’esecuzione.