Шаблоны против полиморфизма

Я пишу библиотеку для генетических алгоритмов/нейроэволюции. В настоящее время программа использует полиморфизм, чтобы разрешить несколько типов геномов. Итак, мой код выглядит так:

class Genome { // Interface
    // Some abstract functions 
}

class SpecificGenome : public Genome {
    // implementation
public:   
    int do_something(int x); // Specific behavior, which only this SpecificGenome has
}

class Population {
public:
    Population(size_t population_size, std::function<std::unique_ptr<Genome>()> create_genome);
    // Some functions
    std::vector<std::unique_ptr<Genome>> members;
}

std::unique_ptr<Genome> create_specific_genome(){
    return std::unique_ptr<Genome>(std::make_unique<SpecificGenome>());
}

int main() {
    Population p(150, &create_specific_genome);

    int y = static_cast<SpecificGenome>(*p.members[0].get())->do_something(4);
}

Я думаю изменить его так, чтобы он использовал шаблоны вместо полиморфизма, потому что каждый геном кодирует феном, который может иметь любой тип поведения и не имеет ничего общего с другими типами феномов, а некоторые геномы используют схему прямого кодирования. и не должны быть расшифрованы в феномен. Таким образом, каждый геном должен быть приведен пользователем к соответствующему подклассу, чтобы раскрыть его поведение, что выглядит очень уродливо. Проблема в том, что каждый подкласс генома является является геномом и должен иметь несколько конкретных функций для работы, поэтому полиморфизм имеет смысл.

Редактировать: Вопрос в его нынешнем виде очень неясен, поэтому я хотел добавить некоторые дополнительные пояснения. Я хочу иметь возможность создать популяцию с любым типом генома (NeuralNetwork, NEAT Genome, изображение, ...), поэтому я сделал это, используя интерфейс и подклассы, чтобы вектор в популяции мог хранить каждый тип, используя указатель генома. Это было полезно, потому что каждый тип генома должен иметь определенные методы, такие как скрещивание и мутация. Проблема возникает, когда я хочу использовать определенные функции, такие как вычисление вывода нейронной сети, декодирование генома или получение пиксельных данных изображения, декодирование генома. Это заставило меня задаться вопросом, будет ли лучше использовать шаблоны вместо наследования.