随着人类社会的进步,科学技术的发展日新月异。模拟人脑神经网络的人工神经网络已取得了长足的发展。经过半个多世纪的发展,人工神经网络在计算机科学,人工智能,智能控制等方面得到了广泛的应用。当代社会是一个讲究效率的社会,科技更新领域也是如此。在人工神经网络研究领域,算法的优化显得尤为重要,对提高网络整体性能举足轻重。BP神经网络模型是目前应用最为广泛的一种神经网络模型,对于解决非线性复杂问题具有重要的意义。但是BP神经网络有其自身的一些不足(收敛速度慢和容易陷入局部极小值问题),在解决某些现实问题的时候显得力不从心。针对这个问题,本文利用遗传算法的并行全局搜索的优势,能够弥补BP网络的不足,为解决大规模复杂问题提供了广阔的前景。本文将遗传算法与BP网络有机地结合起来,提出了一种新的网络结构,在稳定性、学习性和效率方面都有了很大的提高。基于以上的研究目的,本文首先设计了BP神经网络结构,在此基础上,应用遗传算法进行优化,达到了加快收敛速度和全局寻优的效果。本文借助MATLAB平台,对算法的优化内容进行了仿真实验,得出的效果也符合期望值,实现了对BP算法优化的目的。