基於GA的N皇后解算器採用模組化的2APL多代理架構，每個代理編碼一個候選的N皇后配置。代理評估適應度（如非攻擊的皇后對數）後，與其他代理共享高適應度配置。通過選擇、交叉和突變等遺傳操作，生成新的候選棋盤。在多次迭代中，代理集體收斂至有效的N皇后解决方案。此框架用Java實現，支持調整群體大小、交叉率、突變概率和通信協議，並提供詳細日誌和演化過程的視覺化。

mario-ai專案提供一個完整的流程，用於利用神經進化開發AI代理，以掌握Super Mario Bros.。通過整合基於Python的NEAT實現與OpenAI Gym的SuperMario環境，讓用戶定義自訂的適應度標準、突變率與網絡結構。在訓練過程中，框架會評估世代的神經網絡，選出高績效基因，並提供遊戲實時視覺化與網絡演變。同時，它支援存儲與載入已訓練模型、導出獲勝基因，並生成詳細績效日誌。研究人員、教育者與愛好者可以擴展程式碼到其他遊戲環境、嘗試進化策略，並比較各階段的AI學習進展。