Les paramètres choisis pour la simulation sont les suivants : un monde de dimension 20x20, les points de départ et d'arrivée sont déterminés aleatoirement, et les ancêtres, c'est-à-dire la génération initiale, se voient attribué un programme génétique aleatoire également.
Chacune des générations comporte 100 individus, et l'on fixe la limite temporelle de l'étude à 100 générations. Chaque individu possède 100 gènes.
Il est intéressant de constater que si l'on aurait pu penser, au vu des conditions expériementales, que les mutations n'introduiraient que des individus dégénérés, il n'en est rien. La probabilité de 1% de mutation n'amène en moyenne qu'une mutation par genôme d'individu, mais cela suffit à amelliorer notablement la convergence de l'espèce vers une solution idéale, convergence qui ne se fait en général pas si l'on supprime les mutations.
Quelques exemples :
| Départ | Arrivée | Meilleur ancêtre | Génération parvenant au chemin idéal |
|---|---|---|---|
| (0,2) | (7,1) | 14 | 9 |
| (12,3) | (17,8) | 14 | 8 |
| (0,4) | (15,0) | 104 | 39 |
| (13,19) | (18,14) | 20 | 5 |
| (1,5) | (15,0) | 103 | 17 |
| (7,12) | (15,13) | 47 | 64 |
L'aléatoire jouant un grand rôle, on peut constater que si dans la majorité des cas, la convergence vers une solution idéale se fait de facon très rapide ( moins de 40 générations ), il existe des cas où cette convergence est beaucoup plus lente, même si le parcours à effectuer est en réalité assez court ( exemple du dernier cas du tableau ). Il existe de plus des cas où 99 générations ne suffisent pas à obtenir une solution optimale.