随着“大众创业,万众创新”的理念提出,全国各地均为广大群众提供创业贷款申请途径。目前创业贷款的风险评估主要通过专家经验评估完成,这种方式得到的评估结果存在一定的主观因素,且当贷款申请数过大时,审批的效率同样无法保证。针对目前创业贷款审批过程中主观因素多,审核效率低的问题,本文主要研究了以下三个方面:首先,针对创业贷款审批过程存在主观因素的问题,在商业银行信用评估体系的基础上,根据创业贷款的数据特征,构建了基于创业贷款的信用评估体系。采用一致性比率特征选择法,过滤信用评估指标中的冗余指标。参照商业银行赋值办法以及层次分析法对创业贷款信用评估体系的19个指标进行权重分配赋值,从而完成信用评估体系的构建。其次,通过对SFLA算法的技术原理的研究,针对其收敛速度慢,计算结果精度低的缺陷,在SFLA算法的基础上,提出了SFLA-3算法。SFLA-3算法采用随机化均匀设计方法对种群初始化方法进行改进,以实现种群个体均匀分布;运用了变异算子替代步长进化公式中的随机参数,解决了步长更新存在盲目性的问题;采用多个较差适应度个体同时进化的方法对适应度最差个体单独进化的方法进行改进,达到提高收敛速度的效果。通过实验验证,SFLA-3算法在最优值精度以及收敛速度上都要优于SFLA算法。最后,针对创业贷款审核效率低的问题,本文将SFLA-3算法与BP神经网络相结合,并依据创业贷款信用评估体系,提出并设计了一个SFLA-3_BP神经网络信用评估模型。该模型通过SFLA-3算法计算出BP神经网络的最优初始权值阈值,以达到加快收敛速度,提高评估效果的目的。实验结果表明,SFLA-3_BP神经网络信用评估模型与BP神经网络算法构建模型相比有着更快的收敛速度与更好的评估效果。