与基于梯度下降的训练方法相比,神经网络方法具有不要求网络是可微分的优点,并且可以应用于有监督、无监督和强化学习问题。进化拓扑结构和权重的能力有可能提供一种自动开发神经网络架构的方法,这种方法目前需要相当多的领域知识。这些技术的前景是进化可以找到一种神经网络拓扑,它比现有的人类设计的体系结构更擅长玩某种游戏。虽然传统上神经网络被应用于输入维数比典型的深度学习方法低的问题,最近Salimans等人表明,在给定足够的计算资源的情况下,依赖于通过随机噪声而不是计算梯度的参数探索的演化策略,在Atari视频游戏上可以获得与当前深度RL方法相竞争的结果。