Аннотация: Приводятся описание особенностей использования и преимуществ генетического алгоритма для обучения нейро-нечеткой сети. Авторами осуществляется обзор литературных источников, в которых рассматриваются модификации генетического алгоритма, адаптированные для решения различных задач. Выявлено, что существующие подходы к реализации генетического алгоритма содержат ряд недостатков для обучения нейро-нечеткой сети. Так при формировании хромосомы интервал, содержащий пик функции принадлежности, кодируется с помощью 1, в противном случае – 0. Это сказывается на разрешающей способности при поиске оптимального решения. Авторы также подробно рассматривают такие аспекты, как операторы базового алгоритма и приводят схему комбинированного метода обучения сети. Для обучения нейро-нечеткой сети на основе генетического алгоритма предлагается подход кодирования функций принадлежности, основанный на α–уровне. В качестве фитнесс-функции генетического алгоритма была использована среднеквадратичная ошибка. Новизна исследования заключается в предложенном авторском подходе кодирования функций принадлежности, основанном на α–уровне, что позволяет повысить разрешающую способность алгоритма при поиске оптимального решения Основным выводом проведенного исследования являются тот факт, что предложенный в статье подход позволяет провести корректировку параметров функций принадлежности лингвистических переменных для нейро–нечеткой сети и получить более адекватные значения параметров выходного слоя сети.