摘要：神经演化（Neuroevolution），即利用进化计算优化神经网络，是一种通过基于种群的搜索（Population-based search）构建智能体的方法。在具有稀疏及多目标强化信号（Sparse and multiobjective reinforcement）的部分可观测领域（Partially observable domains）中，该方法表现尤为卓越。相比于其他策略搜索技术，神经演化的核心优势在于其广泛的探索能力，这使其能够发掘出高效且往往出人意料的解决方案。 其主要应用领域涵盖机器人控制、游戏智能体及决策制定。近期，该领域已进一步扩展至深度学习架构搜索（NAS）、生物智能演化机理研究以及硬件导向的神经网络优化。此外，神经演化与强化学习（RL）及大语言模型（LLMs）之间也展现出了显著的协同潜力。本教程旨在引导参与者掌握神经演化的基础理论，进阶探讨提升其有效性与泛化性的前沿课题，回顾典型应用案例，并提出未来的研究方向。通过可选的动手实践环节，参与者将加深对核心概念的具象理解，并能迅速应用神经演化技术开展研究。 https://www.cs.utexas.edu/~risto/talks/aaai26-tutorial/