Este trabalho apresenta a aplicação da Programação Evolutiva para otimizar pesos de Redes Prototípicas utilizando uma arquitetura adaptada da AlexNet. O objetivo e explorar a combinação de algoritmos evolutivos com redes neurais para melhorar a eficiência em tarefas de classificação de imagens em cenários de few-shot learning. Foram utilizados os conjuntos de dados Oxford 102 Flowers e Omniglot para validar a abordagem.
Os resultados demonstram que o algoritmo evolutivo proposto supera os métodos tradicionais de treinamento de redes neurais,  alcançando maior precisão na classificação de imagens com poucos exemplos de treinamento. Este desempenho superior é atribuído a capacidade do algoritmo evolutivo de evitar mínimos locais e explorar melhor o espaço de busca de soluções.