组合优化中的NP-hard问题和非线性全局优化问题是优化研究中的难点。近年来，有许多人采用模拟退火（Simulated Annealing）、遗传算法（Genetic Algorithms）和人工神经网络（Artificial Neural Networks）等启发式算法对这两类问题进行了研究，并取得了一定得进展。但这些方法通常存在计算量大、收敛慢及参数敏感等不足。本文主要讨论了在双参数精确罚函数下，如何将精确罚函数和神经网络及遗传算法结合的系统应用于优化问题本文我们介绍了罚函数、神经网络和遗传算法的研究现状。通过对双参数精确罚函数的讨论，利用双参数精确罚函数的性质，构造了一种非线性神经网络，并讨论了该神经网络的稳定性问题，提出了一个求解这种神经网络的算法，给出了一些算例。最后，我们研究了使用遗传算法求解这种神经网络问题，我们提出一个求解神经网络问题的混合遗传算法，并给出了数值计算结果。计算结果表明，所提出的方法是有效。与单纯的遗传算法求解TSP问题相比，新的混合法在解的收敛性上要更优。本文的主要成果是：构造一个双参数精确罚函数的非线性神经网络模型，并提出了一个模拟求解算法，同时还提出一个求解这种神经网络问题的混合遗传算法。本文对于非线性神经网络的理论及组合优化求解具有重要的理论意义。