人工神经网络(ANN)局部搜索能力强，可以表达复杂的非线性关系。在解决许多实际问题上如过程控制、故障诊断、系统辨识有独到的优势。但同时也存在着收敛速度慢，效率不高等缺点。遗传算法(GA)是一种全局优化算法，递阶遗传算法(HGA)是遗传算法的一种改进算法，它所具有的简单、通用等特点，使其在解决复杂的实际问题中显示出巨大的优越性。针对BP神经网络局部搜索能力强,遗传算法全局搜索效率高的特点,将两种算法有机结合，提出了递阶遗传神经网络(HGA-BP)的思想，用遗传算法优化前馈神经网络权值，再用BP网络进行训练，增强了BP神经网络的全局搜索能力。击剑作为同场持器械直接对抗类项目，技巧性很强。本文借助“国家击剑队信息化平台”中击剑国际比赛数据进行统计分析，并依据技战术分析的经验，得出各项比赛指标与得胜率之间存在一种非线性关系。以“国家击剑队信息化平台”采集到的击剑队运动员的比赛数据为训练样本，采用遗传算法优化的BP神经网络来建立击剑比赛获胜预测模型，通过它可以显示出比赛结果与指标之间的函数关系，分析出各项技战术指标对运动员的影响。从而为不同的运动员制定合理的训练计划。对提高比赛成绩有重要意义。该思想也可以为其它运动比赛项目的分析与开发提供借鉴。本文首先介绍了基本遗传算法的基本理论和应用及基本遗传算法的缺点，并着重说明递阶遗传算法(HGA)的原理。然后介绍了人工神经网络(ANN)的基本理论，并着重阐述了目前研究相对成熟的BP神经网络算法，它不仅能发现样本中隐含的因果关系，更能表达复杂的非线性关系。但是也伴随着学习效率低和收敛速度慢等问题。针对BP神经网络学习算法的不足,提出了一种基于递阶遗传算法的BP神经网络预测模型，把这两种算法结合起来，形成了递阶遗传神经算法。可以克服神经网络的缺陷有较大的研究意义和价值。