路径规划算法不仅仅是图论和算法理论中的经典问题,而且在现实生活中也有非常多应用,例如在智能交通、物流规划、通信、机器人、LBS(基于位置的服务)、无人机等领域。针对传统的最短路径规划算法在求解路径规划问题上的局限性,提出了一种基于Hopfield神经网络的路径规划算法,利用并行计算技术来对算法进行加速,在算法的有效性和计算速度两个方面对路径算法做了一定改进。首先对具有多个优化目标的路径规划问题进行了分析,使用统一目标法把多个目标的问题转化为一个总的综合目标,并建立该问题相应的数学模型,将求解多目标路径规划问题转化为具有多个局部极小值点的非凸优化问题;分析了适合于交通网络分析的路网模型,以及相关的约束条件和影响因素。其次介绍了Hopfield神经网络的基本概念和性质,分析连续型Hopfield神经网络能量函数的稳定性以及用于求解凸优化问题的可行性,并对网络迭代的步长更新策略进行了改进;针对Hopfield神经网络在求解非凸优化问题上的局限性,将连续型的模拟退火算法与其相结合,实验结果表明,模拟退火Hopfield神经网络能够有效跳出局部极小值,并收敛于全局最优值。对Hopfield神经网络进行了并行性分析,将其迭代过程转化为多个矩阵运算,并利用OpenCL并行计算框架对不同规模的矩阵运算进行测试,针对矩阵运算优化了对内存的访问。测试结果表明,相对于传统的串行计算方式,基于OpenCL的并行计算模式能够显著提高矩阵运算的速度。将并行计算应用于求解一个多目标路径规划问题,验证了算法在求解多目标路径规划问题时能取得正确的效果。最后在本文所研究路径规划算法的基础上,结合并行计算、GIS等技术开发了一个路径规划仿真软件。