禁忌搜索算法求解旅行商问题研究

设计了一种基于Matlab实现的禁忌搜索算法，用以求解组合优化难题中的典型代表旅行商问题（TSP）。分别对Hopfield原始10城市和中国旅行商问题进行了测试，所得结果都能达到或优于公布的最优解，与传统的Hopfield神经网络求解TSP相比，禁忌搜索算法具有强健，快速和高效的特点。  

精确复原退化图象的连续Hopfield网络研究

提出一种改进的全并行自反馈连续Ｈｏｐｆｉｅｌｄ网络和于图象复原。理论分析表明，该改进的Ｈｏｐｆｉｅｌｄ网络模型能使网络能量更精确地收敛到全局极小，从而提高复原图象的质量。对该网络复原匀速直线运动模糊图象的结果与Ｐａｉｌ方法得到的复原图象进行了比较，发现该方法得到和复原图象信噪比提高显著，目视效果更佳。  

从工程图中分离和识别字符模式的技术

提出了一种内、外边缘的快速检测方法分离工程图中的字符模式．该方法具有很高的可靠性，可分离手写或印刷体的英文、法文、德文、俄文、希腊字母、阿拉伯数字和汉字．对于字符识别，采用了Ｈｏｐｆｉｅｌｄ人工神经网络模型，并引入了“半优化”学习算法替代传统的Ｈｅｂｂ学习算法，获得了较好的效果．  

具有滞后的Hopfield连续神经网络的稳定性

利用Ｌｉａｐｕｎｏｖ泛函方法分析了具有滞后的Ｈｏｐｆｉｅｌｄ连续神经网络系统的稳定性，得到了如下结论：对于具有滞后的Ｈｏｐｆｉｅｌｄ连续神经网络，当权矩阵的二范数与增益之积小于１时，系统的平衡点是唯一的全局渐近稳定的，此结论推广了Ｍａｒｃｕｓ的结论。  

基于神经网络的一类非线性系统参数估计

基于Ｈｏｐｆｉｅｌｄ神经网络的神经计算原理，提出了一类非线性系统的参数估计方法：首先将系统参数估计问题转化为以系统模型残差平方和为目标函数的优化计算问题，然后利用连续Ｈｏｐｆｉｅｌｄ神经网络的神经计算估计待辨识参数．数字仿真结果表明，该方法不仅算法简单，而且估计精度高．  

Hopfield型时滞神经网络模型的K-稳定性

研究具有时滞的Hopfield型神经网络模型｛Cidui(t)/dt=-ui(t)/Ri n↑∑↑j=1～↑Tijfi(uj(t-τ）） Ii，ui（s）=ψi(s),s∈[-τ，0],i=1,2,…，n平衡点的K－全局渐近稳定性与K－全局指数稳定性，通过使用不等式分析技巧和微分方程性质，得到了这类模型K－稳定性的易于验证的时滞相关充分条件，并举例验证其有效性。  

基于神经网络的对称密码系统

将混沌机制的非线性和随机特性引入密码系统 ,是加强信息保密的有效途径。离散 Hopfield神经网络存在混沌吸引子 ,基于此可以构造新的加密算法。该文在 GuoDonghui等人提出的对称的概率加密算法的基础上利用密码分组链接模式 (CBC) ,构造了一个较为完整的神经网络分组密码系统 ,它与数字加密标准 (DES)相比 ,更为简单 ,并具有抵御一些类型攻击的优点  

一类具有分布时滞的Hopfield神经网络的稳定性

利用谱半径和不等式分析技巧研究了一类具有分布时滞的Hopfield神经网络模型的全局指数稳定性，得到了全局指数稳定性的一些充分判别条件，推广了一些文献的结果．  

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解  

用Hopfield神经网络与遗传算法求解TSP问题的实验比较与分析

首先介绍了实验中利用Hopfield神经网络和遗传算法求解TSP问题的程序设计方法，分析了CreateChromosome算法的时间复杂性，并测试了群体规模对解最优性的影响，从计算方法的软件实现角度出发，比较了两种计算技术的相似点与不同之处，本次实验的结论是：遗传算法比Hopfield神经网络求解TSP问题的效率高，且随着问题规模的扩大，优势更为突出。