约束规划问题是系统工程理论体系中的一个重要组成部分，为实际问题的建模提供了丰富的数学模型，在工业、农业、商业、管理、军事等方面都起着不可或缺的作用。神经网络是一种用于进行实时优化计算的动态智能算法，收敛速度快，运行效率高，构建的方法也多种多样。本文主要针对二次规划问题、参数规划问题，研究了时滞投影神经网络、精确罚函数神经网络的构建方法，并且在此基础上提出了新的神经网络模型，对其稳定性、收敛性及具体计算步骤等方面进行了详细的阐述。本文的内容和工作主要体现在如下几个方面：1.研究了一类时滞投影神经网络，考虑到时滞的普遍存在性，对原有的网络模型进行改进，提出一种多个神经元存在时滞的投影神经网络，并用于二次规划问题的求解。利用Gronwall不等式、Halanay不等式证明了所提网络模型的全局指数稳定性。通过与现有文献结果进行比较，说明了所提方法具有收敛速度快、计算效率高等特点。2.针对目标函数、约束条件皆带有参数的线性规划问题，提出一种新型光滑L1精确罚函数神经网络。引入误差函数构造单位阶跃函数的近似函数，用于对L1精确罚函数进行光滑化逼近，从而利用最速下降原理建立了神经网络的动力学方程。讨论了所提网络模型的稳定性和收敛性，并将所提方法推广应用于求解目标函数含参、右端向量含参的线性规划问题中。通过与现有文献结果进行比较，说明了所提方法结构简单、计算精度高等特点。3.讨论了现有建模过程中存在问题的精确罚函数神经网络，利用已有方法对模型的建立过程加以优化和改进，从而使得网络模型具有严谨性、合理性。探讨了所提网络模型的稳定性，并将其成功应用于求解约束条件中右端向量含参的非线性规划问题。通过与现有文献结果进行比较，说明了所提方法罚因子取值小、计算准确度高等特点。