遗传算法优化神经网络有两种情况，一种是把训练好的神经网络作为黑箱函数，用遗传算法搜索该黑箱函数的最大值，另外一种情况，则是把遗传算法用于神经网络的训练，充分利用遗传算法全局搜索的特性，得到一个初始的权值矩阵和初始的阈值向量，再用其它训练算法(如BP算法)，得到最终的神经网络结构。经过GreenSim团队大量实践表明，这种GA和BP网络相结合的方法，能显著地提高BP神经网络的性能，基本上和支持向量机的性能相当，有时甚至优于支持向量机。由于BP网络的权值优化是一个无约束优化问题，而且权值要采用实数编码，所以直接利用Matlab遗传算法工具箱。以下贴出的代码是为一个19输入变量，1个输出变量情况下的非线性回归而设计的，如果要应用于其它情况，只需改动编解码函数即可。此文章首次发表是在simwe论坛，属于GreenSim团队原创作品，转载请注明，有意购买源码或代写相关程序，请与GreenSim团队联系(主页/greensim)。
程序一：GA训练BP权值的主函数
function net=GABPNET(XX,YY)
%--------------------------------------------------------------------------
%GABPNET.m
%使用遗传算法对BP网络权值阈值进行优化，再用BP算法训练网络
%GreenSim团队原创作品，转载请注明
%Email:greensim@
%GreenSim团队主页：/greensim
%/greensim
