该文主要从计算原理,设计实现和实例应用等三个方面进行比较.从计算原理角度分析,神经网络模型是以分析组成万分为主.虽然它对所解决的问题不要求有深入的了解,但是必须有一个大体的把握,才能选择最适合解决问题的网络.它有着在一定区域细致搜索最优解的效果.遗传算法注重于个体的优化,对问题本身要求的知识不多,可以广泛应用于各种未知领域.它有着全局粗略搜索最优区域的效果.从设计实现角度分析,由于BP神经网络是以误差的大小为主导,每次都是以一种很强的向误差减小的方向修正权值,目的性很强,因此可以表现出很强的局域搜索能力.它能在一个区域一直寻找下去,最终找到这个区域的最优解,而不容易跳出这个区域.而遗传算法由于本身的遗传操作的设计,它不仅具有像交叉这样在两个区域间搜索的操作,还有像变异这样的全局搜索的操作,所以表现出全局搜索的特点.而且由于选择操作的设计,使它能够不断地向最优的目标逼近.通过对人工神经网络模型和遗传算法在二维多峰函数,三维单谷函数,三维多峰函数等函数形式的逼近结果显示:遗传算法的早期搜索效果比较好,而人工神经网络模型的长期搜索效果比较好.对最简单的函数,用遗传算法可以快速而有效地找到最优的函数形式.对踵难度的函数,遗传算法能期望在很短的时间找到次优解,但长时间的表现不如神经网络模型.对特别复杂的函数,遗传算法和人工神经网络模型的表现都不好.