NEAT: NeuroEvolution of Augmenting Topologies

NEAT er en genetisk algoritme til at udvikle kunstige neurale netværk, introduceret af Kenneth Stanley og Risto Miikkulainen i 2002. I modsætning til metoder, der kun udvikler vægte, udvikler NEAT samtidigt både topologien (strukturen) og forbindelsesvægtene af neurale netværk. Den opnår dette gennem en direkte genomkodning med historiske markeringer, der muliggør meningsfuld crossover mellem netværk med forskellige strukturer, hvilket gør den anvendelig til reinforcement learning, spil og kontrolopgaver uden behov for en foruddefineret arkitektur.