首先，进化算法被用于新的网络设计。Poon等人描述了一个网络规划工具，成功地使用遗传算法设计符合成本效益的网络。一个相关的问题就是如何发展或拓展现有的网络。Shipman等人提出了一种算法，使用遗传算法修改描述网络的生长规律。这是算法的预测方式。拨号IP接入网应扩大到应对迅速日益增长的客户需求。
    鉴于现有的网络，怎么使路由器有效的使用网络上的资源而没有造成堵塞，尽管顾客的需求在变化。这种复杂的不可预知的问题是最适合运用遗传算法来解决。他和摩特应用混合遗传算法在建设后备用于网络的路由。诺尔斯等人研究离线路由使用多一个目标的遗传算法。
在涉及算法电信应用进行了讨论——奥茨认为分配在分布式基于遗传算法的数据库，贝斯马研究了进化算法的有效信息过滤作用。这些论文给出一个概述的问题，进化算法可以是有用的，突出最近成功的一些技术。
    有关于理解进化算法中有许多重要的问题有待回答。在学术研究工作的很大一部分领域的重点是在他们操作的时候了解一般的原则，遗传算法的基础系列会议针对这个问题有特别的讨论。这里没有充足的空间来讨论细节，但是，进化的概念值得一提——进化系统能力的进化。自然系统（生物）似乎在很好的进化——进化算法。他们生产复杂的解决方案。提高在进化方面的理解为了更清楚的了解如何确保进化算法更多元化的解决现实世界中的问题。
    几篇论文对于进化算法的应用提出了一些问题。一个长期存在的基于进化算法的问题是对于每一个问题都需要写特定的计算机代码来解决。bonsma等人描述了ESO进化和生态系统的平台，一套java类的设计通过提供一个灵活的框架来解决这个问题，一个广泛实现进化的算法，包括3大不同的描述（GA，ES，EP）。在ESO平台中包括生态模型的相互作用，自然计算将要描述的细节在下面体现。在EOS平台有望将一个有用的基础研究更有效的应用于进化算法来解决问题。
    其他的作者专注于研究特定的进化方法课题。SHIPMAN等人研究冗余基因型与表现型的映射和在人工进化中的影响。tateson讨论了计算系统的灵感来自于发展，他可以对进化进行有效的改变。Kearney等人认为进化算法适用于多软件系统的经济现象也会影响系统。这可能导致进化算法和传统的进化算法有很大的不同。上述文章给出了在进化计算领域研究前沿的不同观点，并提出了在未来的应用方向，进化算法是可出现的。 进化算法国内外研究现状和发展趋势(2):http://www.youerw.com/yanjiu/lunwen_27691.html