Бере за основу принцип природної еволюції (спадковості, мінливості та пристосування), що був запопонований Чарлзом Дарвіном

Ген - це окрема ознака у хромосомі, що відповідає певному параметру у кодуванні розв'язку

Етап оцінки хромосоми потрібний для забезпечення вдосконалення популяції, проте зменшує різноманітність у популяції

Хромосома - це закодований розв'язок, що являє собою особину у популяції

Мутація - це процес випадкової ненавмисної зміни хромосоми вналідок функціонування алгоритму. Мутація погіршує ефективність еволюційного відбору.

Генетичний алгоритм не має чітко визначеної ознаку завршення, проте завжди гарантує отримання найкращого (оптимального) розв'язку

Кросовер (схрещування) - це обов'язкова генетична операція, що змінює хромосоми популяції при виконанні етапу рекомбінації

Коефіцієнт швидкості навчання дозволяє визначати інертність нейронної мережі щодо змін у надходженні нових даних, аби стримати різкі зміни коефіцієнтів всередині нейронної мережі

Алгоритм зворотного поширення похибки дозволяє визначити зміни у нейронній мережі, що забезпечує процес її навчання

Результати застосування нейронної мережі завжди безпосередньо залежать від якості проведеного навчання такої мережі

Активаційна функція дозволяє заблокувати передачу далі надто великих значень сигналу, що його сукупно отримує нейрон

Метод градієнтного спуску гарантовано приводить до знаходження глобального мінімуму

Для навчання нейронної мережі будь-яку множину даних слід розділити на дві частини - одна для навчання мережі, а інша для перевірки, причому співвідношення може бути 3:1

Коефіцієнти нейронної мережі можуть бути ініціалізовані усіма однаковими значеннями і це не вплине на якість її функціонування та навчання

Алгоритм можна завершувати, якщо не відбувається змін на кількох послідовних ітераціях, тобто мурахи у колонії вже сформували найкоротший шлях - найоптимальніший можливий розв'язок

Параметр rho, що визначає розпилення ферменту по ребрах графу і, як наслідок, збереження ферменту після випаровування, може бути від'ємним і близьким до нуля для отримання кращих результатів

Алгоритм дозволяє формування Гамільтонових циклів (Hamiltonian path) при переміщеннях мурах, завдяки чому з його допомогою й можна розв'язувати задачу комівояжера (traveling salesman problem)

Мурашина колонія виконує переміщення на підставі випадкового вибору напряму переміщення за законом, залежним від параметра концентрації фермента, що розподіляється пропорційно довжині відповідного ребра графа

Списки табу (tabu list) для кожного мурахи не очищають після завершення ітерації аби не втратити довжину пройденого мурахою шляху після виконання процедури випаровування ферменту

Вагові коефіцієнти alpha та beta, що визначають вагу (або кількість) ферменту та евристику (або видимість чи довжину ребра) не можуть бути рівними

Процедура випаровування ферменту (pheromone evaporation), що застосовується після завершення мурахою шляху, дозволяє з часом усувати із розгляду ребра менш ефективних шляхів

Належить до категорії алгоритмів кластеризації

Не дозволяє визначити кількість кластерів у процесі своєї роботи і потребує попереднього визначення майбутніх центрів кластерів

Вектор ознак (feature vector) кодується двійковим кодом - його елементи є нулями й одиницями

Алгоритм ART1 не має формалізованого завершення і може бути зупинений довільно після завершення ітерації

Кожен вектор-прототип (prototype vector) є центром кластера, причому на першому кроці алгоритму початковий вектор-прототип співпадає з початковим вектором ознак.

Тест на схожість, який визначається бета-параметром( або параметром "руйнування зв'язку"), не дозволяє додавати у кластер нові вектори ознак, що мають рівними 1 такі ж елементи, що й у вектора-прототипа

Параметр уважності в алгоритмі впливає на розмір кластерів, що будуть сформовані - менші кластери при меншому значенні параметра уважності і, навпаки, більші кластери при більшому значенні параметра уважності

Не потребує великої кількості ітерацій для суттєвого покращення розв'язку, тому вимагає якнайшвидшого зменшення "температури"

Не гарантує оптимального розв'язку у підсумку свого виконання - є шанс не отримати найкращий можливий розв'язок

Використовує критерій допуску для забезпечення певної різноманітності через використання гірших (за рівнем "енергії") робочих розв'язків при вищих рівнях "температури"

Через випадковість змін на етапі випадкової зміни розв'язку не може бути застосованим для розв'язування задачі комівояжера чи подібних задач оптимізації на графах

Грунтується на фізичній аналогії формування правильної кристалічної структури у процесі нагрівання та охолодження металу

Вимагає побудови початкового наближення, яке буде вдосконалюватися через випадкові зміни, тобто є по суті алгоритмом оптимізації наявного наближення