Redes Neurais x algoritmos geneticos

Redes neurais
Redes neurais são modelos computacionais com uma estrutura baseada na aproximação da computação baseada nas ligações, onde os nós simples são interligados formando uma rede de nó, por isso que usamos o termo rede neural, ou também pode ser considerada como Sistemas paralelos distribuídos compostos por unidades de processamento simples interligadas entre si e com o ambiente por um número de conexões.

Algoritmo Genético
Um algoritmo genético (AG) é uma técnica de busca utilizada na ciência da computação para achar soluções aproximadas em problemas de otimização e busca, fundamentado principalmente pelo americano John Henry Holland. Algoritmos genéticos são uma classe particular de algoritmos evolutivos que usam técnicas inspiradas pela biologia evolutiva como hereditariedade, mutação, seleção natural e recombinação (ou crossing over).
Algoritmos genéticos são implementados como uma simulação de computador em que uma população de representações abstratas de solução é selecionada em busca de soluções melhores. A evolução geralmente se inicia a partir de um conjunto de soluções criado aleatoriamente e é realizada por meio de gerações. A cada geração, a adaptação de cada solução na população é avaliada, alguns indivíduos são selecionados para a próxima geração, e recombinados ou mutados para formar uma nova população. A nova população então é utilizada como entrada para a próxima iteração do algoritmo.
Algoritmos genéticos diferem dos algoritmos tradicionais de otimização em basicamente quatro aspectos:
Baseiam-se em uma codificação do conjunto das soluções possíveis, e não nos parâmetros da otimização em si; os resultados são apresentados como uma população de soluções e não como uma solução única; não necessitam de nenhum conhecimento derivado do problema, apenas de uma forma de avaliação do resultado; usam transições probabilísticas e não regras determinísticas.1

comparação entre os dois:
As redes neurais surgiram inspiradas no