随着计算机的飞速发展,计算机技术在各个领域中得到广泛的应用,催生了许多新兴的学科,生命科学和工程科学的相互交叉和相互促进成为新兴学科的一个典型的代表,也是近代学术研究的一个研究热点。现代科学理论研究与实践中存在大量与组合优化、数据分析等相关问题,使用常规方法解决这些问题,有时候显得无能为力。正因为这样,人们模仿生物的遗传和进化机制,模仿人脑的神经元反应原理得到了智能计算的二大学科——遗传算法和人工神经网络。这两大学科在现实生活中的应用越来越广泛。由于具有强大的搜索能力,因此遗传算法可以解决很多常规方法无法解决的问题。遗传算法与神经网络结合后,大大地增强了神经网络的性能,使智能计算得到了突飞猛进的发展。因此对遗传算法和神经网络的研究具有很重要的意义。本文从遗传算法的基本理论入手,从遗传算法在神经网络中应用的角度,提出了用于优化神经网络的改进遗传算法,并且把改进遗传算法优化的神经网络应用于一种新的预测之中。本文主要做了以下工作:(1)分析了遗传算法的基本原理和人工神经网络算法中的BP算法,对遗传算法和神经网络的结合作了细致的剖析。(2)提出了一种搜索算子,与自适应的变异交叉算子结合构成了一种改进的遗传优化神经网络算法,与传统遗传优化神经网络算法相比较,算法具有较优的算法结果。(3)把神经网络预测用于投资回报率中,由财务数据建立了一种投资回报率的预测模型,拓展了神经网络的应用范围,同时,基于神经网络模式分类的思想,提出了模型改进完善的方向。