系统模糊决策与神经网络是当今系统科学的前沿研究领域。本文首先回顾了模糊决策与神经网络的发展历史，概述了国内外研究现状。采用扰动分析的思想方法，对模糊优选、识别、聚类和动态规划的权重进行了较详尽的研究，对模糊优选识别神经网络的算法进行了研究。主要内容和研究结果概括如下： 1．在模糊优选模型的基础上，提出了决策对于权重的灵敏度分析问题。导出了权重扰动转移方程，找到了扰动转移矩阵的一个万有上界，给出了决策优属度扰动量的一个全局不等式，提出了保持决策优属度序列不变的权重扰动条件和稳定性条件；针对模糊优选的保序性问题，提出了保持决策优属度序列不变的权重扰动保序条件，使得决策优属度序列发生易序的权重扰动易序条件；针对模糊优选反问题，提出了线性方程组解法和二次规划解法；应用模糊交叉迭代模型，讨论了权重对于决策优属度的灵敏度分析问题，据此提出了模糊优选的二次判定方法。举例说明了上述方法在水电规划、水库调度和海洋平台选型中的应用。 2．研究了模糊模式识别、聚类和动态规划的权重灵敏度分析问题。对于模糊模式识别模型，提出了模式识别矩阵的权重扰动转移公式，导出了级别评价指标的权重扰动修正公式；对于模糊聚类模型，推导出了聚类划分矩阵和聚类中心矩阵的权重扰动转移公式，这两个公式可作为划分矩阵和聚类中心矩阵的修正公式；对于模糊优选动态规划模型，提出了模糊优选动态规划在权重扰动下的递推公式，用于考察局部最优决策和全局最优策略关于权重变化的敏感分析。举例说明了上述方法在水资源规划中的应用。 3．将模糊优选、模式识别和神经网络结合起来，通过对网络误差函数的分析，提出了等效误差函数的概念。针对通常的梯度下降法收敛速度慢的缺陷，提出了基于误差函数的Hessian矩阵的一种BP-算法，该算法具有批处理意义。 4．将求解多元非线性方程组的同伦算法，引入模糊优选识别神经网络的计算，提出了求解模糊优选识别神经网络的同伦BP-算法。其方法是将问题归结为一个线性微分方程组的初值问题，利用Runge-Kutta方法，求解网络的最优参数，该算法具有有限步收敛的特点。 最后对全文作了总结和展望，并提出了有待进一步研究的问题。