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。
关键词：生物神经网络：人工神经网络；BP网络；遗传算法；仿真
随着电子计算机的问世及发展，人们试图去了解人的大脑，进而构造具有人类思维的智能计算机。在具有人脑逻辑推理延伸能力的计算机战胜人类棋手的同时，引发了人们对模拟人脑信息处理的人工神经网络的研究。
1.1研究背景
人工神经网络（Artificial Noural Networks，ANN）（注：简称为神经网络），是一种数学算法模型，能够对信息进行分布式处理，它模仿了动物的神经网络，是对动物神经网络的一种具体描述。这种网络依赖系统的复杂程度，通过调节内部大量节点之间的关系，最终实现信息处理的目的。
人工神经网络可以通过对输入输出数据的分析学习，掌握输入与输出之间的潜在规则，能够对新数据进行分析计算，推算出输出结果，因为人工神经网络具有自适应和自学习的特性，这种学习适应的过程被称为“训练"。
