الگوریتم‌های تکاملی یا Evolutionary algorithms)، زیر مجموعه‌ای از محاسبات فرگشتی است و در شاخه هوش مصنوعی قرار می‌گیرد و شامل الگوریتم‌هایی جهت جستجو است که در آن‌ها عمل جستجو از چندین نقطه در فضای جواب آغاز می‌شود.  

الگوریتم‌های فرگشتی به طور اساسی با دیگر روش‌های بهینه‌سازی و جستجوی مرسوم قدیمی تفاوت دارند. الگوریتم‌های فرگشت‌پذیر تنها یک تک نقطه را جستجو نمی‌کنند بلکه جمعیتی از نقاط را به صورت موازی بررسی می‌نمایند. الگوریتم‌های فرگشت‌پذیر نیاز به اطلاعاتی ضمنی و دیگر دانش‌های مکمل ندارند؛ تنها تابع هدف و شایستگی مربوطه در جهت‌های جستجو تأثیر گذارند. الگوریتم‌های فرگشت‌پذیر از قوانین در حال تغییر احتمالی بهره می‌برند و نه موارد مشخص و معین. استفاده از الگوریتم‌های فرگشت‌پذیر به طور کلی خیلی سر راست است، زیرا هیچگونه محدودیت‌هایی برای تعریف تابع هدف وجود ندارد. الگوریتم‌های فرگشت‌پذیر تعداد زیادی از پاسخ‌های قابل قبول را بدست می‌دهند و انتخاب پایانی بر عهده کاربر است؛ لذا در مواردی که مسئله مورد نظر شامل یک پاسخ مفرد نمی‌باشد، مثلاً خانواده‌ای از پاسخ‌های بهینه-پَرِتو، مشابه آنچه در بهینه‌سازی چند هدفه و مسائل زمان‌بندی وجود دارد. الگوریتم‌های فرگشتی برای شناسایی این پاسخ‌های چندگانه به طور همزمان ذاتاً کارآمدند. معروف ترین الگوریتم‌های فرگشتی شامل، الگوریتم ژنتیک، الگوریتم کلونی زنبور عسل، روش بهینه‌سازی گروه مورچه‌ها، راهبرد فرگشتی، الگوریتم رقابت استعماری می باشند.

در سال های اخیر سیستم های مخابراتی به خاطر کاربردهای متنوع مانند شبکه های بیسیم، رادارهای خودکار، حسگرهای تصویری و ابزارهای پزشکی مورد توجه قرار گرفته اند. در فرکانس های پایین این مدارها توسط خطوط ریز نوار و موجبرهای صفحه ای  طراحی و ساخته می شوند ولی در فرکانس های  بالا به علت تلفات انتقال و تشعشع، این فن آوری ها  بی استفاده شده اند. یک انتخاب نوید بخش برای بهبود این حوزه تکنولوژی SIW است. ساختارهای SIW ، ساختارهایی متشکل از دو ردیف استوانه یا شکاف های هادی در داخل یک زیرلایه دی الکتریک، که از نظر الکتریکی به دو صفحه فلزی موازی متصل اند، ساخته می شوند. با این شیوه موجبرهای مستطیلی غیر مسطح می توانند به فرم مسطح که با تکنیک هایی مانند PCB یا LTCC سازگارند طراحی و ساخته شوند. ساختارهای SIW مشخصه های انتشاری نظیر الگوی میدان و مشخصات پراکندگی و مزیت هایی مانند فاکتور کیفیت بالا و حفاظت الکتریکی ذاتی، مشابه موجبرهای مستطیلی کلاسیک دارند.

گرچه هیچ یک از الگوریتم های بهینه سازی ادعای یافتن جواب مطلوب را نداشته و در حد توان سعی در یافتن پاسخ مناسب دارند. می توان چنین نتیجه گرفت که الگوریتم های هوشمند بیشتر نقش دوپینگ را برای مسائل مختلف بازی می‌کنند و جایی که روش های کلاسیک نهایت توان خود را به کار برده اند الگوریتم های هوشمند می‌توانند به کار روند.

این پروژه به همراه فایل های شبیه سازی قابل دانلود است.