Per il corretto funzionamento dell'algoritmo genetico e per indurre la convergenza della generica soluzione verso una soluzione ottima è necessario che la funzione di valutazione tenga in considerazione tutti i parametri critici. La funzione di valutazione in sostanza valuta la bontà della soluzione candidata, dipendentemente da come questa risponde alle specifiche che si vogliono raggiungere.
Nel caso della ricerca degli angoli ottimi per poter produrre in uscita coppie DGD - SOPMD dall'emulatore si vuole che la soluzione proposta porga in uscita valori il più prossimi possibile a quelli cercati, tuttavia scelga le soluzioni più stabili in frequenza, e più robuste rispetto a errori di posizionamento dei rotatori.
É stata profusa estrema cura nel valutare i parametri critici e nell'attribuire agli stessi il giusto peso, in modo da poter rendere più performanti le soluzioni candidate che presentano valori di ottimalità su tutti i parametri di interesse. Inoltre si è cercato di mantenere più piatta possibile la curva di fitness in modo da non spingere troppo su alcune soluzioni e determinare una precoce convergenza dell'algoritmo.
La scelta dei pesi da attribuire a ciascun parametro di qualità si è rivelata essere particolarmente critica, in quanto il meccanismo evolutivo su cui funzionano gli algoritmi genetici tende, al crescere del numero di generazioni, a far saturare il fitness. Si rischia cosi di pervenire a soluzioni globalmente poco ottimizzate pur presentando caratteristiche ottime su qualche specifico parametro di qualità, oppure a soluzioni uniformemente poco ottimizzate.
La scelta è stata fatta in base alle dinamiche che il sistema presenta sui parametri critici, associando ad ogni parametro di qualità una distribuzione parabolica dei pesi.
Tale distribuzione parabolica è stata utilizzata solamente in fase di rifinitura, cioè quando la popolazione di soluzioni risulta sufficientemente vicina al valore cercato, mentre nelle fasi iniziali si predilige la ricerca di soluzioni in grado di fornire coppie prossime a quella cercata. In sostanza prima l'algoritmo si costruisce una famiglia di soluzioni buone, da questa si fa evolvere la soluzione ottimizzata per tutti i parametri.