人工神经网络具有广泛的应用，但是神经网络收敛速度慢，容易陷入局部极小点。本文主要研究基于多智能体遗传算法的神经网络优化。在研究了遗传算法，多智能体系统，多智能体遗传算法的基础上，提出一种改进的多智能体遗传算法，也就是分组合作多智能体遗传算法。并把分组合作多智能体遗传算法用于优化神经网络。　　 本文共分为六章：第一章描述了神经网络，遗传算法，多智能体系统的研究现状及其应用，以及概述了本文的主要工作。第二章首先介绍了神经网络的模型及其学习算法，接着研究了BP神经网络原理，实现步骤，以及优缺点，最后介绍了一些目前比较成熟的BP神经网络的改进方法。第三章首先研究了遗传算法的原理及其实现，接着介绍了多智能体系统，然后研究了多智能体遗传算法的原理及其应用，最后在这些算法的基础上提出了一种改进的多智能体遗传算法也就是分组合作多智能体遗传算法并且与遗传算法，多智能体遗传算法进行比较。第四章将分组合作多智能体遗传算法用于优化BP神经网络并与BP神经网络算法，遗传算法优化的BP神经网络算法，多智能体遗传算法优化的BP神经网络算法进行比较。第五章把用分组合作多智能体遗传算法优化的BP神经网络应用于RoboCup2D的铲球中。第六章是对全文的总结与展望。　　 通过仿真实验证明，分组合作多智能体遗传算法用于优化BP神经网络是非常有效的。