【目的】研究改善自适应遗传算法（Adaptive genetic algorithm，AGA）的早熟问题，并提升该算法优化的神经网络模型的预测性能。【方法】引入四分位间距替换自适应交叉和变异概率中的固定参数，首先给出了一种改进的自适应遗传算法（Modified adaptive genetic algorithm，MAGA），并将它的自适应交叉和变异概率映射到固定区间，使得优良个体在MAGA作用下仍具有良好的进化能力。其次利用MAGA对单隐层前馈神经网络（Single hidden layer feedforward neural networks，SLFNs）的初始权值和阈值进行优化，并给出了具体的算法实施步骤。【结果】6个常用测试函数的仿真实验表明：MAGA能够迅速稳定地逼近函数最优解。【结论】实证分析表明：与SLFNs及AGA优化的SLFNs相比，MAGA优化的SLFNs具有更高的分类正确率。