Las redes neuronales artificiales se utilizan con éxito para resolver una amplia variedad de problemas científicos y técnicos. El propósito del estudio es aumentar la eficiencia de las soluciones distribuidas para problemas que implican la síntesis estructural-paramétrica de modelos de redes neuronales de sistemas complejos basados en la tecnología GRID (recursos informáticos dispersos geográficamente) a través de la aplicación integrada del aparato de optimización evolutiva y la teoría de colas. Durante el curso de la investigación, se obtuvo lo siguiente: (i) Nuevos modelos matemáticos para evaluar el rendimiento y la fiabilidad de los sistemas GRID; (ii) Un nuevo modelo de optimización multicriterio para diseñar sistemas GRID para resolver problemas computacionales de alto recurso; y (iii) Un nuevo sistema de soporte de decisiones para el diseño de sistemas GRID utilizando un algoritmo genético multicriterio. El algoritmo genético de Fonseca y Fleming con una función de penalización dinámica se utilizó como método para resolver el problema de optimización multi-restringido establecido. El sistema de programas desarrollado se utilizó para resolver el problema de elegir una estructura efectiva de un sistema GRID centralizado que se configuró para resolver el problema de síntesis estructural-paramétrica de modelos de redes neuronales. Para probar el enfoque propuesto, se construyó una configuración óptima de Pareto del sistema GRID con las siguientes características: rendimiento promedio-103.483 GFLOPS, costo-500 rublos por día, tasa de disponibilidad-99.92% y rendimiento mínimo-51 GFLOPS.