随着我国建筑业的快速发展,越来越多的国内建筑施工企业加入到国际工程承包的竞争行列中,建筑工程投标报价市场的竞争愈演愈烈。制定合理的投标报价在工程投标中有着举足轻重的地位。建设工程项目投标报价是一个充满不确定性的过程,投标报价的不确定性受到工程项目的规模、复杂程度和技术含量等诸多因素的影响,同时也受到时间、资源和环境等因素的制约。如何根据掌握的信息资源来有效预测投标报价,成为重要而迫切的难题,具有很强的理论和现实意义。现阶段企业报价模型中常用的有基于概率论的报价决策模型、基于博弈论的报价模型和基于层次分析法(AHP)报价决策模型等。而影响投标报价的主要数据指标涉及到许多不确定的影响因素,而且相互关系错综复杂,对投标报价的预测实际上是一个非线性问题。BP神经网络是一种稳健的、非参数的解决多因素问题的模型,具有很强的非线性映射能力,学习能力强,分类精度高,能够处理未经过训练的、有干扰的或不完全的数据,显示了良好的容错能力,自适应能力强,具有动态特性和泛化功能。但它也有一定的局限性,由于BP网络的初始权值和阈值是随机的,网络可能会出现局部最小或者不能收敛。为了弥补其不足,本文提出利用遗传算法全局性好的优点改进BP网络。将遗传算法中种群通过全局搜索迭代进化得到的初始权值和阈值代入至BP网络中,作为网络的初始权值和阂值,使得网络的精确度和训练效率都大大提高。本文主要内容包括以下几点：1、建筑工程投标报价的相关理论介绍。阐述了投标报价的整个过程、报价决策、现行投标报价市场中所运用到的策略技巧,方便和人工神经网络的建模方法进行比较,并建立了影响投标报价因素的指标体系。2、人工神经网络的基本概念,发展过程及其特点和常用的几种神经网络模型,并对BP神经网络用于投标报价中的应用的可行性做了详细的分析。3、针对BP网络模型的不足,提出运用遗传算法优化BP网络的初始权值和阈值,从而达到全局性要求,使得报价模型更加准确。介绍了遗传算法的原理、步骤。4、基于遗传算法优化的BP神经网络在投标报价决策中应用模型的构建。将从扬州某家咨询公司搜集到的30组投标报价数据进行整理、归一化,借助MATLAB软件对网络进行训练,建立一个可以进行投标报价预测的BP网络。并且将基于遗传算法优化的BP网络和简单BP网络做了比较,发现前者的精确度和收敛速度比后者有所提高。