计算机技术和信息技术的不断发展,带给我们便利的同时也带来一系列问题,其中一个问题是数据量的爆炸式增长以及数据之间的关系愈发复杂,如何对这些海量的数据进行处理,发掘隐藏在数据中潜在的理论价值和实际价值也成为生活中各个领域关注的焦点。银行客户信用评估已经成为银行界急需解决的首要问题。我国的客户信用评估起步较晚,同时缺乏专业的个人信用数据库,导致银行的不良信贷事件时有发生。个人不良资产已经成为银行正常经营活动的首要问题,已经关系到我国商业银行的成败。本文首先对客户信用的指标体系进行了详细的分析,根据实际生活总结了客户信用评估的相关因素。其次对神经网络进行了详细论述,找到与本文相适应BP神经网络模型。在分析BP神经网络的优缺点之后,结合当前比较流行的遗传算法,设计出一套基于遗传算法的神经网络。通过本文设计的GA-BP神经网络对客户的信用情况进行分类,通过对分类的有效统计,对客户的客户信用水平进行有效的评价,为客户日后的信贷水平提供了充分的参考。本文的研究重点在于通过结合遗传算法和BP神经网络可以对系统的权值和阈值进行有效的优化,两种方法也可以单独的使用,通过有效的结合提高了传统神经网络的处理能力,两种方法也可以做到相互补充。首先,对BP神经网络进行了描述,并且给出使用遗传算法优化神经网络的具体步骤,获得必要的数据(神经网络的锻炼、调试),其次对网络布局进行分析,确定必要的网络数据。遗传神经网络还可以利用遗传算法对网络编码进行完善、对其函数进行计算、确定参数。利用MATLAB对神经网络模型、遗传神经模型进行仿真实验,同时也要确保模型的准确性。随后进行论文总结,同时指出今后工作的发展方向。系统成功的把设计模型投入到实践当中,对客户信用评估数据进行预处理,并通过MATLAB进行数据的建模与仿真分析,并给出相应的遗传神经网络实现代码。通过遗传神经网络可以对个人的信用情况进行有效的评估,并对信用情况进行有效的预测。通过本文设计的神经网络规范了银行的信贷行为,为银行减低了信贷风险。