في الآونة الأخيرة، حظيت الشبكات العصبية البصرية (ONNs) المدمجة في الشرائح الفوتونية باهتمام واسع لأنها من المتوقع أن تؤدي مهام التعرف على الأنماط نفسها التي تؤديها المنصات الإلكترونية ولكن بكفاءة أعلى واستهلاك أقل للطاقة. ومع ذلك، فإن النقص الحالي في مجموعة متنوعة من خوارزميات التعلم لتدريب الشبكات العصبية البصرية يعرقل تطورها بشكل أكبر. في هذا المقال، نقترح استراتيجية تعلم جديدة تعتمد على التطور العصبي لتصميم وتدريب الشبكات العصبية البصرية. تم استخدام خوارزميتين نموذجيتين للتطور العصبي لتحديد المعاملات الفائقة للشبكات العصبية البصرية وتحسين الأوزان (معدلات الطور) في الاتصالات. من أجل إثبات فعالية خوارزميات التدريب، تم تطبيق الشبكات العصبية البصرية المدربة في مهام تصنيف لمجموعة بيانات نبات السوسن، ومجموعة بيانات التعرف على النبيذ، ومجموعة بيانات التعرف على تنسيقات التعديل. أظهرت النتائج الحسابية أن خوارزميات التدريب المستندة إلى التطور العصبي تنافس الخوارزميات التقليدية الأخرى للتعلم من حيث الدقة والاستقرار. بالمقارنة مع الأعمال السابقة، قمنا بتقديم طريقة تدريب فعالة للشبكات العصبية البصرية وأظهرنا آفاق تطبيقها الواسعة في مجالات مثل التعرف على الأنماط والتعلم التعزيزي وغيرها.