随着生物神经学的发展,一种新的人工神经网络——脉冲耦合神经网络(Pulse-Coupled Neural Networks,简称PCNN),因其模型自身的综合时空特性,而被越来越多的学者所研究。PCNN在优化组合中用的最多的是在求解最短路径问题上。Caulfield和Kinser最先提出用PCNN解迷宫问题。在此基础上很多方法也相继被提出,一般情况下,这些用PCNN解决最短路径的算法仅有一点不同——以图像为对象还是把问题抽象为邻接矩阵解决。本论文在前人对PCNN模型的研究及应用的基础上,结合启发式的搜索策略——胁搜索策略,设计了基于改进型的PCNN迷宫智能优化算法,并将其应用解决实际迷宫问题,具体如下：1、通过对PCNN模型内在机理的研究,并根据PCNN的自身特点,选择合适的模型参数以适合求解迷宫最短路径问题。实验结果表明,改进后的PCNN模型不仅保留了原始PCNN模型的结构与特点,而且更适合求解迷宫路径优化的问题。2、通过对迷宫模型、状态空间表示法、搜索策略、评估函数及搜索效率等问题的探讨,论文最终选择了与改进了的PCNN模型相结合的A*搜索算法,并通过对该算法的设计、仿真和验证等论证了基于PCNN模型的迷宫智能优化算法的优越性。3、论文中还对该算法的实现载体——电脑鼠的硬件设计作了相关介绍。