# Neuroewolucja EN: **Neuroevolution** · id `neuroevolution` · aliases: neuroevolution, evolving neural networks, neuroewolucja, ewolucja sieci neuronowych Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Obliczenia ewolucyjne i inteligencja roju](https://aiatlasgraph.com/t/evolutionary.md) › Neuroewolucja ## Description - PL: Stosowanie algorytmów ewolucyjnych do optymalizacji wag, architektur, hiperparametrów lub reguł uczenia sieci neuronowych. - EN: Applying evolutionary algorithms to optimise weights, architectures, hyperparameters or learning rules of neural networks. ## In one sentence - PL: Wychowywanie sieci neuronowych ewolucją: zamiast poprawiać jedną sieć krok po kroku, hoduje się populację sieci. - EN: Raising neural networks by evolution: instead of correcting one network step by step, you breed a population of them. ## Problem it solves - PL: Zwykłe uczenie sieci wymaga sygnału, jak dokładnie poprawić każdą wagę, a w wielu zadaniach znamy tylko wynik końcowy. - EN: Ordinary network training needs a signal for correcting each weight, but many tasks only reveal the final outcome. ## What it does - PL: Ocenia całe sieci po tym, jak sobie radzą, i rozmnaża najlepsze; może zmieniać nie tylko wagi, ale też budowę sieci. - EN: It scores whole networks by how they perform and breeds the best; it can change not only weights but also the network’s structure. ## Everyday example - PL: Postać w grze uczy się sterować pojazdem: po kilkuset pokoleniach sieci, które dojeżdżały dalej, przejmują populację. - EN: A game character learns to steer a vehicle: after a few hundred generations networks that drove further take over the population. ## This concerns you if you… - PL: znasz tylko końcowy wynik zadania, bez podpowiedzi po drodze - PL: chcesz, by program sam dobrał budowę sieci - EN: know only the final outcome, with no hints along the way - EN: want software to choose the network’s structure ## Keywords NEAT · HyperNEAT · CoDeepNEAT · evolution strategies · evolutionary architecture search · EvoJAX · evosax · population-based training · indirect encoding ## How it works - PL: Populacja koduje sieci bezpośrednio, jako wagi i połączenia, albo pośrednio, przez reguły rozwoju generujące dużą sieć z małego genomu. Ocena polega na uruchomieniu sieci w zadaniu. Brak propagacji wstecznej pozwala łatwo zrównoleglić obliczenia i optymalizować nieróżniczkowalne cele. - EN: The population encodes networks directly, as weights and connections, or indirectly, through developmental rules that grow a large network from a small genome. Evaluation means running the network on the task. Without backpropagation computation parallelises easily and non-differentiable objectives can be optimised. ## Limits - PL: Przy milionach wag prosta ewolucja jest mniej wydajna próbkowo niż gradient, więc dla dużych sieci stosuje się strategie ewolucyjne i dużo obliczeń. Wynik zależy od kodowania sieci. - EN: With millions of weights simple evolution is less sample-efficient than gradients, so large networks rely on evolution strategies and heavy compute. Results depend on network encoding. ## Key terms - PL: **kodowanie pośrednie**: Genom opisuje reguły budowy sieci, nie każde połączenie z osobna. - PL: **optymalizacja bez gradientu**: Poprawianie modelu tylko na podstawie ocen, bez pochodnych. - EN: **indirect encoding**: The genome describes rules for building a network, not each connection. - EN: **gradient-free optimisation**: Improving a model using only scores, without derivatives. ## Know first - [Podstawy sieci neuronowych (Neural network fundamentals)](https://aiatlasgraph.com/t/neuralbasics.md) ## Subtopics (4 direct, 5 in total) - [Ewolucja budowy sieci (NEAT) (NeuroEvolution of Augmenting Topologies (NEAT))](https://aiatlasgraph.com/t/neat.md): An algorithm evolving network weights and topology together, using historical gene markings, speciation and gradual complexification from minimal structure. - [Ewolucja wzorów połączeń dużych sieci (HyperNEAT) (HyperNEAT and compositional pattern-producing networks)](https://aiatlasgraph.com/t/hyperneat.md): Neuroevolution with indirect encoding: NEAT evolves a CPPN that sets connection weights between neurons placed in geometric space. - [Ewolucyjne projektowanie architektur sieci (NAS) (Evolutionary neural architecture search)](https://aiatlasgraph.com/t/evonas.md): Searching neural architecture space with an evolutionary algorithm whose fitness is the quality of the trained candidate. - [Strategie ewolucyjne w trenowaniu sieci i LLM (Evolution strategies as an alternative to RL)](https://aiatlasgraph.com/t/esscale.md): Scalable evolution strategies estimating an improvement direction from scores of randomly perturbed parameter copies, used in RL and in fine-tuning large language models. - [Trenowanie populacyjne (Population Based Training) (Population Based Training (PBT))](https://aiatlasgraph.com/t/pbt.md): An asynchronous method jointly optimising weights and hyperparameters of a model population, discovering a hyperparameter schedule rather than one fixed setting. ## Related topics Untyped, symmetric "see also" links. - [Ewolucyjne łączenie modeli (Evolutionary model merging)](https://aiatlasgraph.com/t/evolutionarymerge.md) ## Sources - [GECCO 2026 – program tracks (ACM SIGEVO)]() `gecco2026tracks` · by ACM SIGEVO - [Designing neural networks through neuroevolution]() `neuroevolution-review-2019` · by Kenneth O. Stanley, Jeff Clune, Joel Lehman, Risto Miikkulainen --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/neuroevolution · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30