【目的】研究解决传统神经网络手动设计网络结构的局限性，并探究差分进化算法对神经网络优化的有效性。【方法】提出了一种基于差分进化算法的多层前馈神经网络的优化设计方案，用以同时完成神经网络的权值空间和网络结构空间的搜索，给出不同场景下的最优网络结构。该算法采用（1+1）-ES二元进化策略，使用一种新的网络结构交叉和变异方法，通过双种群结构共同进化及自适应变异率等策略加快网络结构的搜索以及算法的收敛。【结果】在预测、分类等问题中，基于差分进化算法的神经网络优化设计能够较好地搜索到最优的神经网络结构，并与传统的BP神经网络以及经典的预测分类算法进行比较，实验结果具有较强的鲁棒性。【结论】基于差分进化算法的神经网络优化设计是解决网络结构寻优问题的有效方法。