掺铋光纤放大器有助于将光纤通信系统拓展至新的传输波段。然而，其增益和噪声性能存在相互制约的关系，提升增益往往会导致噪声性能的恶化，反之亦然。因此，提出一种结合反向传播神经网络（BPNN）和带精英保留策略的快速非支配排序遗传算法（NSGA-Ⅱ）的多目标优化方法，通过对两级掺铋光纤放大器结构进行设计，实现了增益和噪声性能的同时优化。使用经过训练的BPNN对增益和噪声系数预测的均方根误差分别为0.191和0.084，具有较高预测精度。以高增益和低噪声系数为目标，使用NSGA-Ⅱ算法进行优化，得到包含500个解的Pareto最优解集。优化后，放大器所能实现的平均增益范围为15~37 dB，相应的平均噪声系数范围为4.95~5.31 dB。利用BPNN代替求解耦合微分方程来评价个体适应度，使得优化时间较传统方法由10⁶ s左右降低为80 s左右，大幅提升了优化效率。所提方法也为其他掺杂光纤放大器的高效率、多目标结构优化设计提供了一种新的思路。