为实现防空导弹对空中目标的高效毁伤，以预警机为研究对象， 在制导系统提供的图像信息的基础上，提出了一种基于BP神经网络的最佳攻击部件选择算法。以最佳攻击部件的几何中心为目标，计算延迟起爆时间，得到最优起爆策略，实现对目标关键部件的精准打击。为了提高最佳攻击部件预测的准确率，搭建改进的PSO-BP神经网络预测模型，通过引入动态惯性权重与学习因子改进传统粒子优化算法，进而来优化BP神经网络的初始权值和阈值。结果表明，改进的PSO-BP最佳攻击部件预测模型预测值与实际值误差更小，预测结果更为可靠。最后通过构建多组弹目交会场景，将所提出的起爆策略与传统基于目标中心为攻击点的起爆策略进行比较，仿真试验表明，相对于传统起爆策略，采用本文中所提算法，目标毁伤概率最小提高了2.8%，最大提高了16.4%，验证了本算法的有效性。