NEAT: NeuroEvolution of Augmenting Topologies

NEAT is een genetisch algoritme voor het evolueren van kunstmatige neurale netwerken, geïntroduceerd door Kenneth Stanley en Risto Miikkulainen in 2002. In tegenstelling tot methoden die alleen gewichten evolueren, evolueert NEAT tegelijkertijd zowel de topologie (structuur) als de verbindingsgewichten van neurale netwerken. Het bereikt dit door een directe genoomcodering met historische markeringen die zinvolle 'crossover' mogelijk maken tussen netwerken met verschillende structuren, waardoor het toepasbaar is op reinforcement learning, speloplossing en besturingstaken zonder dat een vooraf gedefinieerde architectuur vereist is.