در روش چرخ رولت گاهی با مشکلاتی از قبیل کندی و همگرایی ناگهانی جستجو به خاطر کوچک شدن سریع فضای جستجو مواجه می شویم. به همین جهت معمولا از روش دیگری به نام روش رقابتی استفاده می شود. برخلاف روش چرخ رولت در روش رقابتی، که شبیه رقابت در طبیعت است، یک زیر مجموعه کوچکی از کروموزوم ها (معمولا دو یا سه) به صورت تصادفی انتخاب شده و به رقابت می پردازند. سرانجام در این رقابت بر اساس میزان برازندگی[62] یکی از آنها به پیروزی رسیده و به عنوان والد جدید در استخر ترکیب[63] کپی می شود و این فرایند تا تولید همه والدها در جمعیت جدید تکرار می شود. روش رتبه بندی در روش رتبه بندی ابتدا جمعیت ها را رتبه بندی کرده و سپس انتخاب کروموزوم ها بر اساس برازندگی مبتنی بر رتبه صورت می گیرد. مثلا بدترین حالت دارای برازندگی یک و به همین ترتیب، مورد بعدی دو و الی آخر. در نهایت بهترین مورد دارای برازندگی برابر N خواهد بود (که N تعداد کروموزوم های موجود در جمعیت است) اشکال روش رتبه ای ایـن است که بـه آهستگی همگرا[64] می شود. زیرا بهترین کروموزوم ها تفاوت چندانی با هم ندارند و همین امر باعث همگرایی آهسته می شود. روش حالت پایدار در اکثر الگوریتم های GA جمعیت جدید به طور کامل توسط فرزندان بوجود می آید و این فرزندان جایگزین والدهای خود می شوند. در بعضی روش ها، به برخی از اعضای والد یا اعضای جمعیت قدیمی، اجازه حضور در جمعیت جدید داده می شود. انتخاب حالت پایدار یکی از این روش هاست. در این روش ، بدترین اعضا با فرزندانی که از بهترین اعضا بوجود آمده اند تعویض می شوند اما بافت کلی جمعیت، تغییر نمی کند[2]. 2-11-8- ترکیب مهم ترین عملگر در الگوریتم ژنتیک، عملگر ترکیب است. ترکیب، فرایندی است که در آن نسل قدیمی کروموزوم ها با یکدیگر مخلوط و ترکیب می شوند تا نسل تازه ای از کروموزوم ها به وجود بیاید. ترکیب تک نقطه ای[65] ترکیب تک نقطه ای، دو کروموزوم را با انتخاب تصادفی در موقعیتی مانند P ترکیب می کند. P مقداری کمتر از یا مساوی با طول کروموزوم ها است. اگر تعداد ژن ها در کروموزوم ها N باشد، از دو کروموزوم والد، دو فرزند به صورت زیر بوجود می آید : یک فرزند با کپی کردن ژن های (P-1)…1 از کروموزوم والد اول و ژن های P…N از کروموزوم والد دوم، ساخته می شود و فرزند دیگر به طور مشابه، این بار با کپی کردن ژن های (P-1)…1 از والد دوم و ژن های P…N از والد اول، به وجود می آید. در این نوع ترکیب از دو والد، دو فرزند به وجود می آید. به عنوان مثال این نوع ترکیب با P=4 در شکل زیر نشان داده شده است : شکل 2-4 عملگر ترکیب تک نقطه ای ترکیب دونقطه ای[66] عملگر ترکیب دو نقطه ای، دو جا را به صورت تصادفی انتخاب کرده و مقادیر بین این دو نقطه را جا به جا می کند. در شکل زیر نمونه ای از ترکیب دو نقطه ای نشان داده شده است : شکل 2-5 عملگر ترکیب دو نقطه ای ترکیب n نقطه ای یا چند گانه در ترکیب چندگانه n نقطه ترکیبی به صورت تصادفی و بدون تکرار تعیین شده و به صورت صعودی مرتب می شوند. سپس متغیرهای بین هر دو نقطه ترکیبی، یک در میان بین دو والد جابجا می شوند تا به این ترتیب دو فرزند جدید تولید شوند. ترکیب یکنواخت در ترکیب یکنواخت، هر ژن کروموزوم جدید به صورت جداگانه انتخاب می شود. هر ژن وابسته به موقعیتش به صورت تصادفی از یکی از دو والد انتخاب می شود. در این نوع ترکیب، یک فرزند بوجود می آید. در این روش از یک ساختار مشابه با افراد تحت عنوان ماسک استفاده می شود. مقادیر ماسک به صورت تصادفی تعیین می شوند و از آنها برای تعیین نحوه مشارکت والدین در تولید فرزندان استفاده می گردد. جمعیت جدیدی که با ترکیب یکنواخت به وجود می آید دارای تنوع ژنتیکی بیشتری نسبت به ترکیب های تک نقطه ای و دو نقطه ای می باشد. به همین دلیل این نوع ترکیب در جمعیت هایی که اعضای کمی دارند اثر بهتری دارد تا جمعیت هایی که تعداد اعضای زیادی دارند. برای روشن شدن نحوه عملکرد این روش به مثال زیر توجه کنید، دو فرد زیر را در نظر بگیرید: