ในงานวิจัยนี้เราพบว่าเจนเนติกอัลกอริทึ่ม รวมกับฟังก์ชันการลงโทษแบบไดนามิกเป็นวิธีการแบบศึกษาสำนึกที่มีประสิทธิภาพในการหาความเชื่อถือได้และส่วนซ้ำซ้อนที่เหมาะสมที่สุดของระบบฝังตัว ที่มีความสัมพันธ์ในความขัดข้อง N-Version Programming และ Recovery Block ได้ถูกเลือกใช้ในการออกแบบที่มีข้อจำกัดทางด้านงบการลงทุน งานวิจัยนี้เป็นครั้งแรกที่ GA ได้ประยุกต์ใช้ในการหาค่าที่เหมาะสมที่สุดของระบบประเภทนี้โดยพิจารณาถึงความสัมพันธ์ในความขัดข้อง ความผิดพร่องของซอฟต์แวร์มักเป็นสาเหตุหลักที่ทำให้ระบบล้มเหลว มีผู้ค้นพบจากหลายการทดลองว่าความสัมพันธ์ในความขัดข้องมักมีอยู่เสมอในซอฟต์แวร์ที่มีฟังก์ชันการทำงานเหมือนกัน แม้ว่าจะถูกแยกกันออกแบบและพัฒนา GA เป็นวิธีการแก้ปัญหาที่เหมาะสมเนื่องจากมีเสถียรภาพและประสิทธิภาพในการแก้ปัญหาขนาดใหญ่ เราทำการเปรียบเทียบผลการทดลองโดยใช้ GA กับผลที่ได้จากการใช้สมการแก้ปัญหาแบบไม่เป็นเชิงเส้น ซึ่งสามารถระบุหาค่าที่เหมาะสมที่สุดได้ นอกจากนี้เรายังพัฒนา การหาค่าที่เหมาะสมที่สุดในการออกแบบระบบผังตัวโดยคำนึงถึงความไม่แน่นอนถึงความเชื่อถือได้ของคอมโพเนนท์ในระบบ โดยการหาค่าที่มากที่สุดของความเชื่อถือได้ของระบบโดยเฉลี่ย ( mean ) และหาค่าที่น้อยที่สุดของความไม่แน่นอนของความเชื่อได้ของระบบ ( variance ) In this research , we obtain Genetic Algoorithm ( GA ) with dynamic penalty function as an effective heuristic approach for reliability and redundancy optimization for embedded ( hardware and software ) systems with failure dependencies. The most common fault-tolerant architectures ( where redundancy is applied ) : N-Version Programming and Recovery Black are considered for system design with system cost constraints. This is the first time that GA is applied to optimize this type of systems, where failure dependencies in software components/versions are considered. Failures of software components/versions are a major cause of system failures. For many experimental studies, multiple software versions, which are functionality equivalent , do have failure correlation even if they have been independently developed. GA is a suitable approach since it provides robustness and efficiency in solving combinatorial optimization problems with large , and complex search spaces. The solutions are compare with a non-linear programming technique , where optimal solutions can be obtained and identified. Further ,we consider embedded system design optimization , with uncertainty in the component reliability estimate , by maximizing an estimate of system reliability and also minimizing the variance of the reliability estimate. Reasonable and interesting results are captured and discussed.