分别重新研究了三个适应度景观:静止均匀适应度景观，静止单峰适应度景观和动态单峰适应度景观。
种中具有最高适应度的个体将会对未来世代做出特别高的贡献。
同时，设计了基于影响度因子的相对适应度函数来消除目标非标准化误差。
并根据遗传算法和水印算法的特点，提出了适应度函数值的选择和遗传算法的终止准则方法。
引入一个疫苗库，通过接种疫苗提高抗体的适应度，通过免疫选择防止种群的退化。
它依一定的概率来接受适应度变低的个体，这样可以给遗传算法一个跳出局部最优的机遇。
算法通过删除决策表的核属*来引入新的冲突，以获取具有更高适应度的决策规则。
