روش بهینه سازی الگوریتم ژنتیک، برای تعیین منابع احتمالی آلودگی آب های زیرزمینی به کار رفته است. مسائل ساده و مشکل منابع آلودگی چندگانه، بررسی شده است. مدل شبیه ساز جریان و انتقال جرم، به صورت خارجی با مدل بهینه ساز که بر پایه الگوریتم ژنتیک بوده، ارتباط داده شده اند. مدل شبیه ساز از مشخصات منابع احتمالی ارائه شده توسط الگوریتم ژنتیک استفاده کرده و مقادیر اندازه گیری غلظت در مکان چاه های مشاهداتی را شبیه سازی کرده است. این مقادیر اندازه گیری غلظت زمانی و مکانی، برای تعیین مقدار تابع هدف استفاده شده است. برتری این شیوه، ارتباط خارجی مدل عددی شبیه ساز جریان و مدل بهینه سازی می باشد. این شیوه امکان بررسی آبخوان های پیچیده را به همراه چندین منبع آلودگی احتمالی می دهد. عملکرد روش برای ترکیباتی از مشخصات منابع (موقعیّت، مقدار و دوره ی فعّالیّت)، شرایط دسترسی داده ها و خطای اندازه گیری غلظت ها ارزیابی شده است و برتری این روش در شرایط مساوی نسبت به سایر روش ها نشان داده شده است. مدل شبیه ساز بر اساس روش المان محدود بوده که توانایی مدل کردن آبخوان محصور یا غیرمحصور را دارد. همچنین این توانایی را دارد که محیط های اشباع غیرهمگن و غیرایزوتروپ با جریان ناپایدار را مدل کند. قسمت انتقال جرم آن می تواند آلاینده ی واکنش پذیر را هم مدل کند و ضرایب تأخیر و اضمحلال را اعمال کند. الگوریتم ژنتیک حقیقی در مدل بهینه ساز به کار رفته است. به دلیل آن که فضای تصمیم مسئله ی تعیین منبع به شدّت گسسته می باشد و امکان وجود حل های ناپایدار و نایکتا می باشد، از چند روش به طور همزمان در بعضی از مراحل ایجاد نسل جدید، استفاده شده است. برای پایداری و کاهش هزینه ی بهینه سازی، از تکنیک های پیشرفته ی ژنوتیپ دوگانه-عملگر غلبه و تئوری موقعیّت و گونه بهره برده شده است. ژنوتیپ دوگانه با به خاطر سپردن اطّلاعات بیشتری از حل های احتمالی، به پایداری آن ها کمک می کند و ناپیوستگی ها را بهتر پوشش می دهد. تئوری موقعیّت و گونه از همگرایی زودرس جلوگیری کرده و باعث جستجوی گسترده تری در فضای تصمیم تابع می شود. توابع هدفی که معیار سنجش حل ها بوده، شامل مربّع تفاضل غلظت های مشاهداتی و محاسباتی بوده است.