为提高仿真优化问题求解效率,提出了一种基于神经网络的仿真优化方法。利用神经网络对非线性输入输出关系的逼近能力,由神经网络输出值代替仿真结果以减少所需仿真次数。按照提出的3种样本选择策略,由仿真模型产生一定数量的样本,借助广义回归神经网络在学习速度、网络稳定性、参数选取方面的独特优势,对样本进行训练,生成能够反映仿真模型输入输出关系的回归曲面,以实现用神经网络输出值代替仿真结果,利用优化算法对回归曲面进行寻优。通过对典型测试函数进行实验,证明了方法的可行性和有效性。