refactor(evo-animation) Fix phrasing in readme

README.rst

@@ -106,13 +106,13 @@ GOLEM можно установить с помощью ``pip``:
         optimiser.history.show.fitness_line()
         return found_graph
 
-Если проследить предков найденного графа, будет видно, как к нему одна за другой применяются мутации, приводящие, в конечном итоге, к целевому графу:
+Если проследить предков найденного графа, будет видно, как к нему один за другим применяются генетические операторы (мутации, скрещивания и т.д.), приводящие, в конечном итоге, к целевому графу:
 
 .. image:: /docs/source/img/evolution_process.gif
    :alt: Процесс эволюции
    :align: center
 
-Можно также заметить, что, несмотря общее улучшение фитнеса вдоль генеалогического пути, оптимизатор иногда жертвует локальным уменьшением редакционного расстояния ради получения наилучшего решения в конце.
+Можно также заметить, что, несмотря на общее улучшение фитнеса вдоль генеалогического пути, оптимизатор иногда жертвует локальным уменьшением редакционного расстояния некоторых графов ради поддержания разнообразия и получения таким образом наилучшего решения в конце.
 
 Структура проекта
 =================

README_en.rst

@@ -105,13 +105,13 @@ Following example demonstrates graph search using reference graph & edit distanc
         return found_graph
 
 
-Tracing the lineage of the found_graph reveals how mutations are applied to a random graph one after another, eventually leading to the target graph:
+Tracing the lineage of the found_graph reveals how genetic operators (mutations, crossovers, etc.) are applied to a random graph one after another, eventually leading to the target graph:
 
 .. image:: /docs/source/img/evolution_process.gif
    :alt: Evolution process
    :align: center
 
-One can also notice that despite the fact that the edit distance generally decreases along the genealogical path, the optimizer sometimes sacrifices local fitness gain for the sake of getting the best solution at the end.
+One can also notice that despite the fact that the edit distance generally decreases along the genealogical path, the optimizer sometimes sacrifices local fitness gain of some graphs in order to achieve diversity and thus obtain the best possible solution at the end.
 
 Project Structure
 =================