定義衍生式設計研究時，如果需要可以變更產生設定。
在大多數情況下，預設設定足以產生設計替代方案。
存取：在「建立研究」工作流程期間，選取研究類型之後，就會顯示「定義研究」對話方塊。選取方法。移至對話方塊的「產生設定」區段，然後展開該對話方塊 (如果需要)。
在本主題中
人口大小
只有當研究方法為「最佳化」時，才適用此設定。
基因演算法是從發生選取的初始人口開始。人口中的每個人都是設計問題的潛在解決方案。每個個人都有一組獨特的特徵，做為設計演進的基因。
為了確保您的研究能夠演進以找出最佳的解決方案，請考慮以下提示：
- 至少要有一些基因具有變數值。
- 人口大小必須足夠大。大小是否足夠取決於專案、基因量和變數值的範圍。一種常見規則是將人口大小設定為輸入數目的至少 3 倍。
- 如果結果沒有開始收斂成某個答案，請嘗試增加人口大小。
世代
只有當研究方法為「最佳化」時，才適用此設定。
基因演算法是基於人口的最佳化。以人口為基礎的方法會維護並改善多個候選解決方案，通常使用人口特性來指導搜尋。在基因演算法中處理的每一輪最佳化都稱為一個世代。將世代值設定為 40 時，如果每個人口有 40 個設計，選取、交叉和突變的程序就會發生 40 次。(請在 Wikipedia 閱讀更多內容)。
例如，將衍生式設計 設定為執行 30 個世代時，最佳化程序會一直重複，直到滿足下列其中一個條件或一組條件：
- 已經達到固定的世代數目。
- 排名最高的解決方案的適合度已達到一個穩定水準，連續迭代不再產生更好的結果。
- 您可以手動停止程序。
結果數目
當研究方法為「隨機」或「與此類似」時，適用此設定。
您想要產生多少個結果 (設計替代方案)？
越多結果能讓您探索一組更廣泛的替代方案，但需要花費較長時間才能完成。越少結果會越快產生，但無法仔細地探索可能的替代方案。
種子
當研究方法為「最佳化」、「隨機」或「與此類似」時，適用此設定。
種子是一種為演算法提供起點的值。如果您保留相同的種子，然後使用相同的輸入執行另一個執行，應該會得到相同的結果。 如果變更種子，將會得到不同的結果。
產生結果時，您想要使用多少個起點 (種子)？
如需更多資訊，請參閱 Generative Design Primer: Genetic Algorithms。
關於基因演算法
衍生式設計 使用 NSGA-II 最佳化演算法 (一種基因演算法)。基因演算法依賴生物界的操縱子 (例如，突變、交叉和選取)，可以產生最佳化的高品質解決方案以及搜尋問題。請參閱 Generative Design Primer: What is a Genetic Algorithm?