Генетика для составления кроссворда

[mr.Anderson]

Поставлена задача следующего плана.

Есть статический словарь. Программа должна составлять максимально (по возможности) связный кроссворд из этого словаря, причем размеры кроссвордной сетки и допустимые для заполнения ячейки задаются пользователем.

Если я правильно понял, здесь лучше использовать генетический алгоритм. Почитал про них в википедии, но, честно говоря, мало что понял. Подскажите, как можно применить генетику к моей задаче?

[pavlinux]

1. Делаешь нулевую матрицу MxN = {0}
2. слова помечаешь 1
3. пересечения -1 (иль наоборот)
4. делаешь функию обхода по строкам
5. ...................................по столбцам
6. ......................... cравнение ( x < 0 )
7. берёшь эл-т [1; 1] и почесал...

вычисляешь длину строки (столба), на основании этого ищешь слово (по рандому) или наоборот берешь слово ищешь строку (стольб.)

Если есть задача о том что количество слов и знаков равно количеству строк и стобцов и символов и однозначно известно что они туда входят

[mr.Anderson]

Не совсем понял. Сделали матрицу заданного размера, то, что некоторые клетки могут быть выброшены пользователем - это учитывать как-то? Слова помечаем единицами, ну, допустим, изначально ведь матрица пуста. Теперь обход по строкам... Пошли по строкам... А ищем-то что? Матрица пустая. Везде нули. Что делаем-то? ПОясните поподробнее, пожалуйста.

Здравствуйте, передо мной стоит аналогичная задача. Разработка генератора кроссвордов на заданном пользователем поле.
Пока что решил эту задачу обычном поиском в ширину,но скорость генерации просто удручающая. Набрел на эту тему на форуме и очень заинтересовался.
pavlinux или кто то еще разбирающийся в генетическом алгоритме ,прошу помочь и объяснить по-подробнее.
Иные методы так же с радостью приму к сведению. Так же подскажите, какой вариант предпочтительнее -сразу вставлять слова в квадратную (прямоугольную) матрицу или же сначала рандомно выделить сеть полей под слова,а уже потом подбирать под них слова. Извиняюсь за тавтологию .
Заранее большое спасибо.