模糊神經網絡結合了神經網絡系統和模糊系統的長處，它在處理非線性、模糊性等問題上有很大的優越性，在智能信息處理方面存在巨大的潛力；使得越來越多的專家學者投入到這個領域中來，並做出了卓有成效的研究成果。但是，對模糊神經網絡的研究，大都是基於算法的創新、改進和完善，少有綜述性的文獻對它進行概述，使初接觸這壹領域的人往往無所適從，很難在短時間內理解模糊神經網絡的概念，也很難實際應用它。作者在閱讀了大量文獻的基礎上，對各種相關理論知識進行整理、歸納和研究，旨在對模糊神經網絡做壹個系統的概述和壹些初步的探索。本文實際上由兩部分組成：第壹部分是對模糊神經網絡的概述；第二部分是壹種算法的提出及其實現過程。模糊神經網絡是壹個較新的概念，文章從神經網絡系統與模糊系統的歷史論述到它的起源與發展，論證了它產生的可能性與必要性，並簡要介紹了國內外模糊邏輯神經網絡軟件硬件。在模糊神經元概念的基礎上，定義了模糊神經網絡；從函數映射角度上，討論了神經網絡系統和模糊系統的函數逼近能力；二者都能以任意精度逼近任何連續實函數；對理論成熟的算法和模型，作了簡潔的介紹。針對模糊神經網終（絡）實觀時的具體問題，對網終（絡）的學習能力、容量、結構分布等細節逆行了探討。本文提出了壹種模糊神經網絡的二步混合算法：第壹步，采用模糊推理系統結合遺傳算法根據訓練樣本確定隸屬函數的參數，通過遺傳算法搜索定義域範圍內的參數最優解。文中選用S-T模型作為模糊推理系統中的推理模型。第二步，確定網絡結構，根據訓練樣本采用BP算法訓練網絡，調整網絡權值和偏差，為了避免局部最小觀象和加快網絡收斂速度，選用加動量因子變學習率的改進BP算法為訓練算法。為了更廣泛地應用遺傳算法，文中用C++,實現了通用遺傳算法類庫，在實觀過程中結合使用了類模板，抽象類等技術。該類庫支持壹維和多維函數的最優化。對多維函數可以采用統壹長度的或者各維長度不同的基因；支持固定和可變變異率，支持固定叠代代數結束叠代和滿足壹定條件結束叠代。作者用MATLAB的Fuzzy Toolbox及NNetToolbox實現了算法，仿真結果表明，該算法效率高、收斂速度快、模型精度高