Генетичний алгоритм. 
Навчання нейромережі додаванню двох цілих чисел за допомогою генетичного алгоритму

Генетичний алгоритм — це еволюційний алгоритм пошуку, що використовується для вирішення задач оптимізації і моделювання шляхом послідовного підбору, комбінування і варіації шуканих параметрів з використанням механізмів, що нагадують біологічну еволюцію.

При описі генетичних алгоритмів використовуються визначення, запозичені з генетики, такі як :

Популяція — це кінцева множина особин;

Особини, що входять в популяцію, у генетичних алгоритмах представляються хромосомами з закодованими в них множинами параметрів задачі, тобто рішень, які інакше називаються точками в просторі пошуку (search points);

Хромосоми — це впорядковані послідовності генів;

Ген — це атомарний елемент генотипу, зокрема, хромосоми.

Особливістю генетичного алгоритму є використання операторів кросинговеру та мутації, які виконують пошук на множині розв’язків.

Основний (класичний) генетичний алгоритм складається з наступних кроків:

створення початкової популяції;

оцінка пристосованості хромосом в популяції;

схрещування хромосом;

мутації хромосом;

Рис 3 — Блок-схема найпростішого алгоритму.

Опис структур та методів

а) Структура Neuron — описує нейрон. Поле — значення нейрону value. Також наявний конструктор.

б) Структура NeuralNet — структура, що реалізує нейронну мережу. Масив input[] - масив вхідних нейронів, масив output[] - масив вихідних нейронів, масив inter[] - масив проміжних нейронів. Масив weight[] - ваговий масив. Метод FindValue виконує обчислення за заданими ваговими коефіцієнтами. Методи HelpToFind1, Transform_value є допоміжними.

• в) Структура Chromosome — структура, що описує хромосому. Поля: cost — значення хромосоми, масив weight[] - набір генів, mutationPercent — ймовірність мутації хромосоми. Основні методи: Mutate — здійснює мутацію хромосоми, CrossOver — реалізує кросинговер хромосом (результатом є 2 нащадки), CalculateCost — знаходження значення хромосоми.
• г) У класі Form1 використовуються методи сортування хромосом (sortChromosomes), знаходження максимального значення та інші допоміжні методи.