与“艺术家”西姆斯不同，柯扎并不满足于单纯地探索可能之方程的空间，他想进化出能够解决特定问题的最佳方程。举个牵强一点的例子，假设在所有可能的图像中有一幅图会吸引奶牛凝视它，并由此提高产奶量。柯扎的方法就可以进化出能绘制这一特定图像的方程。在这个例子中，柯扎会对那些所绘图像哪怕只是轻微增加产奶量的方程给予赏奖，直至牛奶产量无法再得到提高。当然，柯扎所选的问题要比这实际得多，譬如，找出一个能操纵机器人移动的方程。
但从某种意义上来说，他的搜索方式与西姆斯以及其他研究者的相似。他也在由可能存在的计算机程序组成的博尔赫斯图书馆内搜寻——只不过不是毫无目的地东瞧瞧西看看，而是去寻找解决特定实际问题的最佳方程。柯扎在《遗传编程》
柯扎通过繁衍“找到”方程的想法之所以被认为有悖常理，和计算机专家对雷的进化方案嗤之以鼻的理由是一样的。过去，人人都“知道”逻辑程序是脆弱的，不能容忍任何变动。计算机科学理论中，程序只有两种状态：（1）无故障运行；（2）修改后运行失败。第三种状态——随机修改后还能运行——是不可能的。程序轻度出轨被称为程序漏洞，这是人们耗费大量财力试图避免的。专家们过去认为，如果计算机方程渐进式改良（进化）真有可能的话，也肯定只会出现在少数罕见领域或专门类型的程序中。
然而，人工进化的研究成果出乎意料地表明，传统观点大错特错了。西姆斯、雷和柯扎都有绝妙的证据来证明，逻辑程序是可以通过渐进式改良进化的。
柯扎的方法基于一种直观判断，即如果两个数学方程在解决一个问题时多少有些效果，那么它们的某些部分就是有价值的。如果这两者有价值的部分能被重新整合成一个新程序，其结果可能比两个母程序中的任何一个都更有效。柯扎数千次地随机重组两个母程序的各个部分，希望从概率上讲，这些组合中能包含一个程序，对母程序中有价值的部分做了最优安排，因而能更好地解决问题。
柯扎的方法和西姆斯的有很多相似之处。柯扎的“数据培养液”也含有大约一打用LISP语言表达的数学基元，诸如加、乘、余弦。这些基元随机串在一起形成一棵棵逻辑“树”——一种形似计算机流程图的层次结构。柯扎的系统像繁殖人口一样创建了500到10000个不同的独立逻辑树。“数据培养液”通常在繁衍了大约50代之后收敛到某个合适的后代身上。
树与树之间交换分枝迫使它们产生变种。有时嫁接的是一根长树枝，有时仅仅是一根细枝或枝头的“叶子”。每根树枝都可以被看作是由更小的分枝构成的完整无缺的逻辑子程序。通过分枝交换，一小段方程（一根树枝），或一个有用的小程序，可以得到保存甚至传播。
通过方程进化能解决形形色色的古怪问题。柯扎用它来解决的一个经典难题是如何让一根扫把立在滑板上。滑板必须在马达的推动下来回移动，使倒立的扫帚在板中央保持直立。马达控制的计算量惊人，但在控制电路上与操纵机器人手臂的电路并无多大区别。柯扎发现，他可以进化出一个程序来实现这种控制。
被他用来测试方程进化的问题还有：走出迷宫