为降低传统仿真优化方法所需的仿真次数，从而缩短仿真优化时间，提出了一种基于GRNN神经网络的仿真优化算法设计。首先，利用仿真生成一定数量的样本集，利用GRNN神经网络进行训练，得到初始回归曲面，并在该曲面上利用Pattern Search算法找出全部可能的局部极小，由于可能会找到一些假局部极小点-即噪声点，设计了剔除噪声点的方法，得到全部局部极小；在各局部极小点周围增补少量仿真样本，再次利用GRNN进行训练，得到新的回归曲面。重复增补样本，直到得到仿真优化的最优解。实例表明，本文方法能够有效降低所需样本的数量，实现仿真优化问题的求解。