Классические методы оптимизации, такие как градиентный спуск, генетические алгоритмы с элитизмом и CMA-ES, сфокусированы на нахождении одного глобального максимума функции приспособленности. Остальное население рассматривается как расходный материал. Однако во многих задачах требуется не единственное решение, а разнообразный набор хороших решений.
MAP-Elites — один из первых и концептуально простой алгоритм семейства Quality-Diversity (QD). Его цель — не максимизировать один скалярный показатель, а заполнить пространство возможных поведений решениями, каждое из которых максимально хорошо в своей поведенческой нише. Это полезно для эволюционной робототехники, процедурной генерации контента, дизайна и инженерии, а также для открытых эволюционных систем.