人工神经网络是为了研究人类的认知过程而发展起来的，它的中心问题是面向研究对象的机器学习方法与学习机器的构造问题。混沌现象是非线性确定性系统的一种内在随机过程的表现，所以混沌型神经网络近年来受到了学者们的高度重视，取得了许多令人瞩目的研究成果。 混沌神经网络还具有全面的运动描述以及远离平衡点的动力学特性，同时存在各种吸引子。混沌神经网络的这种复杂的动力学特性能够在信息处理和优化计算等问题的应用方面有广泛的前景。 本文研究了暂态混沌神经网络，提出了一种其激励函数由新的函数构成的混沌神经元模型，并将由混沌神经元模型构成的混沌神经网络应用于组合优化领域代表问题48-TSP(Traveling salesman problem)的求解，通过与传统的三种传统的混沌神经网路仿真研究的结果对比表明：它能够有效的避免陷入局部最小，拥有更为出色的收敛特性。 在多媒体通信等高速包交换计算机网络中，具有端到端时延及时延抖动限制的QoS(Quality of Service)组播路由问题属于组合优化问题，如何保证服务质量要求以及实现多媒体数据的组播通信是多媒体通信发展的方向。本文研究了如何将混沌神经网络应用于QoS组播路由问题中，仿真结果表明，新的能量函数具有非常好的优化效果，能高效的引导神经网络进入一个与问题最优解相对应的能量最小点，提高了寻优质量。 本论文的主要贡献为： 1)提出了一种新的混沌神经元模型； 2)将由新的混沌神经元模型所构成的混沌神经网络应用于TSP问题，与传统的三种混沌神经网络进行性能对比，证明了有效性。 3)将该方法应用于组播路由问题，仿真结果表明，提高了寻优的质量。