神经网络是仿效生物处理模式以获得智能信息处理功能的理论，它主要着眼于脑的微观网络结构，通过大量神经元的复杂连接采用由底向上的方法，通过自组织、自学习和非线性动力学所形成的并行分布方式来处理难以语言化的模式信息。
神经网络的学习算法存在容易陷入局部极小值和全局搜索能力弱等缺点，而遗传算法不要求目标函数具有连续性，具有较好的全局搜索能力，容易得到全局理想解或性能很好的次理想解，因而将遗传算法应用于神经网络中必能达到取长补短的作用。

采用遗传算法来优化网络可以使神经网络具有自进化、自适应能力。主要体现在以下3 个方面：
一 在给定神经网络结构的前提下，遗传算法可以用来设定网络连接的权值，并切遗传算法可以用来设定学习速率。
二 利用遗传算法来确定网络结构，包含确定隐节点数和节点之间如何连接。
三 利用遗传算法来进化学习规则
本论文就是利用上节介绍的改进的自适应遗传算法来优化神经网络的权值。http://www.zhenghangyq.com