Für die Lösung des Verfahrens wird ein genetischer Algorithmus eingesetzt. Dieser erzeugt einen Pool von Lösungen, der durch Mutation und Kreuzung verändert wird und neue Lösungen erzeugt. Da der Lösungsraum nicht konvex ist, sondern mehr einer Berglandschaft ähnelt, erhält man mehrere echt unterschiedliche Lösungen nahe lokaler Kostenminima, d.h. auf diesem Weg findet man nur Lösungen nahe lokaler Minima und nicht die Minima selbst. Deshalb wird im Anschluss ein Hillclimbing-Algorithmus ausgeführt, der für eine bestehende Lösung das entsprechende lokale Minimum ermittelt.
Die Optimierung wird jeweils für eine Koordinierungsgruppe ausgeführt. Falls mehrere Koordinierungsgruppen optimiert werden, erfolgt dies sequentiell.
