سلام
الگوریتم‌های IWD رو خیلی باهاشون آشنایی ندارم اما تا جایی که میدونم الگوریتم بهینه سازی هستن و جز خانواده الگوریتم‌های تکاملی اگه اشتباه نکنم
شما می تونید کارهایی که در زمینه ترکیب الگوریتم های تکاملی با deep learning شده، مثل HyperNEAT
https://arxiv.org/pdf/1312.5355.pdf
یا این تز که اومده و روی deep learning با الگوریتم ژنتیک کار کرده!!! رو نگاه کنید، بعد همین الگوریتم ها رو با IWD جایگزین کنید و نتیجه رو ببینید (که به نظرم برای شبکه‌های خیلی کوچیک و دیتاستهای کوچیک قابل اجراست و در حدهای بالاتر خیلی زمانگیره)
http://scholarworks.rit.edu/cgi/viewcontent.cgi?article=1257&context=theses
ولی واقعیت امر اینه که مساله بیشتر سر این موضوعه که چرا ما باید از الگوریتم های تکاملی در زمینه شبکه های عمیق استفاده کنیم؟
شاید برای موضوعاتی مثل طراحی و ساختار شبکه بشه استدلال هایی اورد(که بازم روشهای بهتر از تکاملی وجود داره)
اما در مورد یادگیری وزنها، وقتی ما می تونیم در اکثر مواقع گرادیان خطا رو به راحتی محاسبه کنیم، در کنار خاصیت الگوریتم‌های مبتنی بر SGD (مثلا خاصیت regularization یا انجام کاری شبیه MCMC بسته به اندازه mini batch) ، به علاوه اینکه سرعتشون خیلی بالاتر از الگوریتم های تکاملیه، واقعا باید دلیل محکمی برای استفاده از الگوریتم های تکاملی داشته باشیم
بازم تاکید می کنم که بحث امکان پذیر بودن یا نبودن قضیه نیست و تا دلتون بخواد مقاله هست در کنفرانسهای تکاملی که اومدن و این الگوریتم ها رو با شبکه های دیپ ترکیب کردن(و دفاع هم می کنن که ما خیلی خوبیم!)، اما بحث در مورد زمان، ارزش کار و چرایی انجام این کارهاست!