为解决＂模糊规则爆炸＂问题,提出一种基于模糊神经网络从试验样本抽取模糊规则的方法.首先,根据灰色关联分析的结果,将输入变量进行两两组合建立分层模糊子系统.其次对每个模糊子系统设计分层参数、结构优化算法.在权值学习过程中,模糊进化规划与分层方法相结合,网络的各层权值独立优化,并且各层权值优化问题简化为二次型问题,降低了权值优化过程中的计算复杂性.最终能够实现整个模糊神经网络的分层优化,各层神经元单独训练且训练结果互不影响.与常规的前向进化神经网络方法相比较,该方法通过对神经元的部分解群体的进化,缩短了个体的编码长度,显著地减少了计算量.同时这种方法不但能够很大程度上简化适应值的计算,更重要的是能够降低适应值空间的复杂性,从而能够加速进化算法收敛到全局最优点.