Con el continuo desarrollo en tecnología de perforación y voladura, la voladura de paredes lisas (SWB) se ha aplicado ampliamente en la construcción de túneles para garantizar la suavidad del perfil del túnel, disminuir el sobrerroca y el subrocado, y preservar la forma de diseño interior del túnel. Sin embargo, la complejidad del entorno de ingeniería real y la deficiencia de las teorías de optimización actuales han planteado ciertos desafíos para la optimización de los parámetros de SWB bajo condiciones geológicas arbitrarias, con la premisa de que se cumplan ciertos objetivos de control. Frente al problema anterior, se propone un modelo computacional basado en algoritmos genéticos (GA) y redes neuronales de retropropagación (BP) para la optimización de parámetros de diseño de SWB. Este modelo computacional puede reflejar de manera integral la relación entre las condiciones geológicas, los parámetros de diseño y los resultados mediante el entrenamiento y la prueba de los 285 conjuntos recopilados de muestras de datos de prueba en diferentes condiciones. Además, busca automáticamente los parámetros de diseño de voladuras óptimos a través del control de los objetivos de SWB para adquirir los parámetros de diseño óptimos basados en condiciones geológicas específicas de las rocas circundantes y bajo los objetivos de control especificados. Cuando se compara el algoritmo de optimización con otros algoritmos de optimización actuales, se muestra que este algoritmo tiene cierta superioridad computacional sobre los modelos existentes. Cuando los resultados optimizados se aplican en la ingeniería práctica, se muestra que, considerando globalmente las condiciones geológicas, los objetivos de control y otros factores influyentes, el modelo basado en GA_BP propuesto para la optimización de parámetros de SWB tiene una alta viabilidad y confiabilidad, y que su uso puede generalizarse a trabajos de túneles análogos.