В статье представлен новый подход к моделированию и оптимизации стратегий принятия индивидуальных решений в многоагентных социально-экономических системах (МСЭС). В основе такого подхода – синтез методов агентного моделирования, машинного обучения и генетических оптимизационных алгоритмов. Разработана процедура синтеза и обучения искусственных нейронных сетей (ИНС), имитирующих функциональность МСЭС и обеспечивающих аппроксимацию значений ее целевых характеристик. Особенностью данной двухшаговой процедуры является комбинированное использование методов роевой оптимизации (для определения оптимальных значений гиперпараметров) и алгоритма машинного обучения Adam (для вычисления весовых коэффициентов ИНС). Применение подобных, основанных на ИНС суррогатных моделей в параллельных многоагентных генетических алгоритмах вещественного кодирования (MA-RCGA) позволяет кратно повысить временную эффективность процедуры эволюционного поиска оптимальных решений. Проведены численные эксперименты, подтверждающие существенное улучшение производительности MA-RCGA, периодически использующего суррогатную ИНС-модель для аппроксимации значений целевой и фитнес-функции. Спроектирован программный комплекс, который включает оригинальную (эталонную) агентную модель торговых взаимодействий, суррогатную ИНС-модель и генетический алгоритм MA-RCGA. При этом используются программные библиотеки FLAME GPU, OpenNN (Open Neural Networks Library) и др., методы агентного моделирования и машинного обучения. Разработанная система может быть использована менеджерами, отвечающими, в частности, за формирование оптимальной стратегии торговых взаимодействий.