Neuroevolution bezeichnet die Anwendung evolutionärer Algorithmen zur Optimierung der Struktur und Parameter neuronaler Netze.
Dabei werden Populationen von Netzwerken erzeugt, bewertet und mittels Auswahl, Mutation und Rekombination weiterentwickelt.
Im Gegensatz zu klassischen Lernverfahren wie Backpropagation kann Neuroevolution auch die Architektur des Netzes selbst anpassen, z. B. Anzahl der Neuronen oder Verbindungen.
Typische Algorithmen sind genetische Algorithmen, evolutionäre Strategien oder NEAT (NeuroEvolution of Augmenting Topologies).
Der Vorteil liegt in der Fähigkeit, komplexe, nicht differenzierbare oder dynamische Probleme zu lösen, vor allem wenn traditionelle Optimierung schwierig ist.