针对Mg/PTFE贫氧推进剂的配方优化,本文在分析传统配方优化方式及存在的问题的基础上,提出了使用人工神经网络和遗传算法相结合的配方优化方法。文章首先依据神经网络和遗传算法基本原理,分析研究了BP、GRNN、SVM等三种不同的网络模型的结构和算法；接着采用均匀设计法设计了试验配方,在对配方的燃烧热、燃烧温度和燃速测试的基础上获得了神经网络所必需的训练数据；然后分别用三种不同的神经网络模型对试验数据进行了建模和预测,结果显示,SVM网络预测误差均在10%以内,精度较高,可用于本文的研究。本文以推进剂的性能预测结果为优化目标,通过遗传算法的优化得出最佳的推进剂配方为：PTFE/Mg质量比为0.491,粘合剂含量为12.5%,镁粉粒度为26.90μm,聚四氟乙烯粒度为111.33μm,并对该配方进行了实验验证,结果表明,该配方的燃烧热、燃烧温度和燃速都处于较高水平,且具有较低的感度和良好的安定性,满足冲压发动机对其贫氧推进剂的性能要求,可用于Mg/PTFE贫氧推进剂的深入研究。此外,本文还使用GUI编程语言建立了配方优化系统的可视化用户界面,该系统具有一定的推广性,可以用于其他推进剂及复合体系烟火药的配方研究。