随着科学技术进入一个多学科相互交叉、相互渗透、相互影响的时代，源于模拟某一自然现象或过程并且具有自组织、自学习、自适应等特征的神经网络、细胞自动机和进化计算等研究方向近年来得到了前所未有的蓬勃发展。遗传算法是基于进化理论的原理发展起来的一种广为应用的高效率的随机搜索优化方法，在各种计算智能的研究中，这种算法得到了广泛的关注，它是在达尔文进化论、门德尔-摩根遗传学说的启示下，通过模拟自然界中的“物竞天择，优胜劣汰”的优生法则及物种遗传规律发展起来的一类算法。遗传算法在一些设计优化问题中已显示出巨大潜力和深远影响，但距离实现一个能与人的行为相匹配的系统还很远。尤其是在一些创新设计应用，如建筑、音乐、艺术、设计，由于评价标准主要依赖于人的主观想法，很难对个体的适应度函数进行描述。系统如何能在执行最优化的过程中，为个体提供进化机会的同时，也最大限度的避免产生退化的可能；而且可以实现一种智能化的评价方法等问题，成为计算机辅助概念设计的研究热点。人工神经网络和遗传算法是两种以生物学为基础的现代优化算法，因其优越性而被广泛应用于诸多领域。在客观剖析相关领域存在的实际问题的基础上，本文具体所做工作如下：1．对遗传算法进行分析。介绍了遗传算法的基本原理、基本遗传算法的改进及设计方法并对遗传算法的收敛性进行了分析，给出了一个统一的收敛标准。然后，介绍了基于树结构的遗传算法。最后，分析了遗传算法在设计问题中的应用价值。2．对径向基神经网络的原理、结构、方法、分类进行了研究。指出RBFNN以其结构简单、非线性逼近能力强、收敛速度快、全局收敛以及良好的推广能力，引起各领域工作者的极大关注，被广泛应用于信息处理、模式识别、函数逼近、智能控制和数据挖掘等许多领域。3．一种遗传算法和人工神经网络技术结合的研究。通过分析生物在环境生态系统中的成长模式，论文强调生物进化是一个在生态环境里结合先天遗传进化和后天竞争学习进化的复杂过程；在传统遗传算法的基础上，我们采用神经网络和遗传算法结合的方法。选用遗传算法找到粗略的最优值区，作为神经网络的初始值，再用RBF神经网络进行训练，采用RBF神经网络逼近GA的适应度函数，解决了适应度函数的表示问题，达到了很好的效果。新算法增强了智能搜索的能力，加快了种群的收敛速度。4．遗传算法和人工神经网络技术结合起来应用于计算机辅助概念设计中的应用测试。论文以沙发设计为例，基于组合原理和实例推理的创新设计机制，将上述遗传算法和人工神经网络技术结合起来应用于计算机辅助概念设计中，具体实现了许多构思巧妙、造型新颖的沙发样例。与此同时，实验测试数据也比较说明了本算法的高效运行性能。本文对遗传算法与人工神经网络技术结合及其在计算机辅助概念设计中的应用方面进行了探讨，希望能够对相关领域的进一步研究工作起到一定的推动作用。