NEAT（增强拓扑的神经进化）的原始工作是由 Ken Stanley 于 2002 年在德克萨斯大学奥斯汀分校完成的。该项目的网页在这里我建议您下载并阅读从该页面链接的论文。至于基因组对的选择，NEAT 使用了物种形成模型，因此这些对的选择被限制为至少更喜欢来自同一“物种”的对，假设物种已经进化，使得物种种群在繁殖下被隔离. 因此，已经“培育”到物种中的创新在繁殖下得以保存。在此类模型中，仅通过适应度进行选择是不够的。这与对选择不受约束的简单 GA 不同。

遗传算法的好处是它们是可交换的。如果你有每个人的适应度，任何算法（即轮盘赌、排名、锦标赛）都可以。