ニューロエボリューションは、ニューラルネットワークや遺伝的アルゴリズムの基本的なアプリケーションよりも優れています。

遺伝的アルゴリズムとニューラルネットワークを一般的な神経進化のフレームワークに組み合わせることに最近関心が集まっています。基本的な考え方は、あなたの遺伝的アルゴリズムは多くのニューラルネットワークのパラメーターを進化させ、それが次に目の前のタスクを解くために使われるということです。一種の遺伝的プログラミングですが、コードスニペットを進化させて何らかのタスクを実行する代わりに、ニューラルネットワークを進化させています。

ニューラルネットワークや遺伝的アルゴリズムを単独で使用する代わりに、この組み合わせアプローチをいつ使用すればよいですか？どのような種類の問題について、組み合わせたアプローチは個々のアプローチよりも良い結果をもたらしましたか？組み合わせたアプローチが「最良の」アプローチとはどのような種類の問題ですか？

これは20年ほど研究されており、逆伝播よりも優れていると主張する多くの論文があります。Xin Yaoはこれに関して1990年代に多くの作業を行い、Kenneth Stanleyは現在最もアクティブなフレームワークの1つであるNEAT（NeuroEvolution of Augmenting Topologies（http://www.cs.ucf.edu/~kstanley/neat。 htmlおよびhttp://tech.groups.yahoo.com/group/neat/）。

さまざまな神経進化の手法に関する多くの出版物がありますが、これらの参考文献は、長年にわたる進歩の感触をつかむのに役立つ場合があります。

1. Azzini、A.、Tettamanzi、A。（2008）「静的な単一位置自動取引のための進化するニューラルネットワーク」、人工進化とアプリケーションのジャーナル、ボリューム2008、記事ID 184286
2. Hintz、KJ、Spofford、JJ（1990）「Evolving a Neural Network」、Proceedings、第5回IEEE International Symposium on Intelligent Control、pp。479-484
3. Miller、GF、Todd、PM、Hedge、SU（1989）「遺伝的アルゴリズムを使用したニューラルネットワークの設計」、遺伝的アルゴリズムに関する第3回国際会議の議事録
4. モンタナ、DJ（1995）「遺伝的アルゴリズムを使用したニューラルネットワークの重みの選択」、インテリジェントハイブリッドシステム
5. 八尾、X。（1993）「進化型人工ニューラルネットワーク」、International Journal of Neural Systems、Vol。4、3、203-222ページ