人工生态系统领域的研究和实践非常广阔

　　在差异性选择的驱动下，进行繁殖、遗传和变异的生物种群和生态系统，会经历达尔文式的演化。进化算法[20]使用类似的概念来搜索外部环境适应度函数(fitness)的最优值，往往会带来令人意想不到的结果。

　　然而，自然演化在多个层面上要比人工模拟复杂得多，包括基因组复杂性、种群规模、世代数量、从水平基因转移到性选择的繁殖策略、基因调控、发育和表观遗传学的作用、多个共同演化种群之间的互动以及内在定义的适应度等方面。这些更自然的演化特征构成了ALife演化研究的核心内容[14][22]。

　　如达尔文言，“无尽之形最美”[23]，开放式演化(Open-Ended Evolution, OEE)[24]，是ALife的一个重要研究领域。它不仅捕捉了现有生命系统各种属性、包括与环境作用关系的根本特征，同时提供了一个框架来探索和模拟潜在生命形式的可能性空间。在研究过程中，这有助于启发各种优化、学习和进化等算法。因此，实现开放式演化也可以说是人工生命的终极目标。

　　区别于一般演化，一个开放式演化系统永远不会陷入单一的稳定平衡，其新颖性会持续产生[25]，复杂性会无限增加。这表明开放式演化是一个表征了多个尺度演化的过程[26]。开放式演化领域涉及生命起源问题[27]、复杂性和组织层次出现的重大演化转变[28]以及元演化，即演化能力及其演化的演化[29]等问题。

　　要产生开放式演化，有几个假设条件[30]：

　　(1)潜在基因型的无限遗传空间。这并不意味生物体的基因组长度必须没有限制地变化。由于主导基因的突变和遗传速度很慢，也可能存在大量非编码蛋白的调控基因，即原来所谓的垃圾基因，这些基因通过调控前者可以迅速产生多样性。这意味着只需要通过改变类似于神经网络中权重的调控开关，可能很快就能形成新的物种。这一假设可以帮助解释普遍共同祖先(LUCA)的生物共同基因，以及寒武纪生物大爆发。

　　(2)潜在表型之间存在多种突变途径。这意味着潜在生物体特征应该能够由许多不同的突变途径产生，例如人和章鱼的眼睛虽功能相似，但却是独立进化的;鱼和海豚的鳍足则是趋同演化的案例。理论生物学家斯图尔特·考夫曼(Stuart Kauffman)通过随机布尔网络对此进行了刻画，他发现基因调控网络的最终行为是由节点数量以及各节点的入度K决定的。当K=2时，网络就会进入既不是不动点、振荡 ，也不是完全混沌的混沌边缘的状态。这时网络每一种吸引子就对应一种细胞的基因表达，即不同的基因组，可以采取了不同的进化路径来达到与环境适配的同一目标表型。

　　(3)持续演化的动态自适应景观(Dynamic adaptive landscape)。这意味着生物体周围的环境是动态变化的。一方面，随着生物种群演变，其周围的环境也随其行为而改变，一方面动态的环境会不断对生物种群进行选择、通过表观遗传等作用影响基因型和表型的实现。