人工神经网络是从人脑的生理结构出发来研究人的智能行为，具有模拟人脑信息处理的功能。近来人们发现混沌理论可以用来理解人脑中某些不规则的活动，因此混沌神经网络的研究成为人们研究的又一新课题。小波和混沌神经网络的成功结合使混沌神经网络有了进一步的发展。本文首先给出了求解旅行商问题的Hopfield神经网络方法，同时分析了利用人工神经网络在求解旅行商问题过程中所存在的问题；其次分别利用混沌神经网络和三种不同类型的小波暂态混沌神经网络求解10城市旅行商问题(TSP)，并对它们进行了分析比较。目前对混沌神经网络的研究还处于初始阶段。在混沌神经网络中，模拟退火参数较大，容易使网络陷入局部最优解；模拟退火参数较小，网络求解问题的时间较长。因此本文在混沌神经网络和小波暂态混沌神经网络的基础上，加入了分段指数退火函数，在网络的搜索阶段采用较小的退火速度，充分利用混沌的动态特性进行搜索，使网络跳出局部最优解的陷阱，而在收敛阶段采用较大的退火速度，加快收敛速度；并且研究了改进的网络混沌神经元的动力学行为。再者，本文还研究了改进的混沌神经网络和三种不同类型的小波暂态混沌神经网络分别在求解连续函数优化问题和TSP上的应用。根据大量的仿真试验表明改进的网络在求解TSP时的合法解和最优解的成功率都明显提高，其性能也大大提高，这些是能有效解决局部极值问题的网络模型。最后，本文重点分析了小波函数的系数和模拟退火参数对网络求解TSP的影响，并且综合比较了分段小波混沌神经网络模型。