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。 混沌系统是一种非线性动力学系统，而Hopfield结构可以实现神经网络与非线性动力学行为的良好结合，因而它可以作为研究混沌神经网络的网络结构模型。 带有混沌特性的人工神经网络表现出更复杂的动力学特性，不同于常规的反馈型神经网络。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。 本文对混沌神经网络输出函数做了更深入一步的研究，系统地介绍了混沌特征、混沌神经网络基本特性，研究了混沌神经网络的构造方法和特点以及在组合优化领域的应用。 本文研究了暂态混沌神经网络，提出了离散和离散-连续的改进型输出函数，从理论上分析了算法的可行性，通过仿真研究了改进前后方法的优化率和计算成本之间的关系。 本文探讨了将上述离散型输出函数的混沌神经网络应用于组合优化领域代表问题TSP(Traveling salesman problem)的求解。首先介绍了旅行商问题在传统方法搜索下的工作量；其次给出了求解旅行推销商问题的混沌神经网络方法；最后利用混沌神经网络应用于求解TSPLIB中旅行商问题，仿真研究的结果表明，离散输出函数降低了计算时间，适合应用于城市数目较多的TSP问题。 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，提出了一种新的时延和时延抖动约束的能量函数，并将采用了新能量函数进行迭代的混沌神经网络应用于时延及时延抖动QoS组播路由问题。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。