Negli ultimi due decenni, l'algoritmo genetico e le reti neurali artificiali sono stati combinati per risolvere diversi problemi. Il primo è stato utilizzato per aiutare a trovare i parametri e a decidere la topologia del secondo, o per far fronte ai limiti degli algoritmi di apprendimento. Alcuni problemi richiedono l'applicazione delle reti neurali come soluzione alternativa per risolverli, ma sono rari gli studi che sviluppano una metodologia per indicare la migliore architettura neurale adatta a una specifica applicazione. In questo lavoro applichiamo l'algoritmo genetico per cercare i pesi neurali e utilizziamo queste informazioni per indicare la struttura migliore e misurare l'efficienza dell'algoritmo di apprendimento. Abbiamo utilizzato un problema di equalizzazione dei canali come esempio per testare la metodologia proposta. I risultati ottenuti da questa applicazione sono molto promettenti.