جهت افزایش کارایی الگوریتم ژنتیک، رویکردهای فراوانی باهدف حفظ تنوع منتشر شده است. باوجود این، اکثر این رویکردها فقط می توانند روی مسائل بهینه سازی پیوسته اعمال شوند. این بدان معنا نیست که الگوریتم های ژنتیک در حل مسائل بهینه سازی گسسته به تنوع جمعیت نیاز ندارند. در حقیقت، تعریف مفهوم تفاوت بین جواب های راه حل های مسائل بهینه سازی گسسته، با توجه به تفاوت ظاهری آن ها ساده نیست. برای مثال در مسئله فروشنده دوره گرد، چگونه باید تشابه بین دو جواب را سنجید. این مقاله استراتژی های حافظ تنوعی برای الگوریتم ژنتیک ارائه می دهد که بر پایه تشابه بین دو جواب استوارند. این استراتژی ها نه تنها می توانند روی مسائل بهینه سازی پیوسته اعمال شوند، بلکه با پیشنهاد راهکارهای جدید معناگرا برای محاسبه تشابه بین جواب های مسائل بهینه سازی گسسته، اعمال موفقیت آمیز آن روی مسائل بهینه سازی گسسته نیز امکان پذیر است.
