Un algoritmo de red neuronal es un algoritmo metaheurístico inspirado en una red neuronal artificial, que tiene una fuerte capacidad de búsqueda global y puede utilizarse para resolver problemas de optimización global. Sin embargo, a veces muestra la desventaja de una velocidad de convergencia lenta al resolver algunos problemas complejos. Para mejorar la velocidad de convergencia, este documento propone el algoritmo de red neuronal con eliminación utilizando selección de élite. En el algoritmo de red neuronal con eliminación utilizando selección de élite, el algoritmo de red neuronal se ve desde la perspectiva de un algoritmo evolutivo. En la fase de cruce, se introduce la estrategia de eliminación en la red neuronal: se elimina una cierta proporción de los individuos que no tienen un buen rendimiento y no participan en el proceso de cruce para garantizar el rendimiento sobresaliente de la población. Además, en la etapa de selección, se retiene una cierta proporción de los individuos de la generación anterior con el mejor rendimiento y entran directamente en la siguiente generación. Para verificar la efectividad de la estrategia mejorada, se utiliza el algoritmo de red neuronal con eliminación utilizando selección de élite en 18 funciones de referencia bien conocidas. Los resultados experimentales muestran que la estrategia de eliminación introducida mejora el rendimiento de optimización del algoritmo de red neuronal. Además, se compara el algoritmo de red neuronal con eliminación utilizando selección de élite con otros algoritmos metaheurísticos para ilustrar que es un algoritmo poderoso para resolver problemas de optimización.