随着世界经济的高速发展，商业活动中越来越注重追求高效率和自动化。特别是在一些零售行业、银行业，对货币自动识别的要求已经成为新的研究热点。如何快速、有效而又低成本地对数以百万计的分布在世界各地的货币识别系统进行识别效率的提高与改善便成为业界必须面临的任务。本文在充分分析货币识别的国内外研究现状之后，针对人工神经网络和遗传算法进行了一些初步的探讨，并提出利用遗传算法(GA)来进化神经网络应用于货币识别。首先，本文分析了货币识别的应用背景和研究现状，介绍了神经网络和GA的概念以及应用。其次，叙述了人工神经网络和GA的基本理论，分析了神经网络和GA结合的可行性并就两者的结合进行了较为详细的阐述。其三，利用BP神经网络建立了货币识别的应用模型。为了使神经网络的性能达到最优，提出利用GA算法来同时优化BP神经网络的结构和连接权值的具体方案，并建立了基于GA进化BP神经网络的货币识别模型。最后，针对建立的两种模型，进行了MATLAB仿真，并对仿真结果进行了比较和分析。实验结果表明：GA-BP模型使得神经网络缩短了训练时间，获得了更高的识别速度和更好的识别效果，从而，说明了基于GA进化的BP神经网络在货币识别中具有一定的优势。