本文主要就Hopfield神经网络在优化方面进行的研究,提出了基于模拟退火的Hopfield网络优化算法,包括基于离散Hopfield网络优化改进算法DHNN—SA和基于连续Hopfield网络优化算法CHNN—SA。文中给出了具体的算法过程和流程图,并结合典型的组合优化问题——旅行商问题(TSP)进行求解,利用Matlab6.5平台,编写程序进行数值计算,用事例中的数据证明了改进后算法的优越性和实用性。从现代智能优化方法出发,有机的把模拟退火和Hopfield网络的优化性能结合起来,针对连续型Hopfield神经网络对初值的依赖太强以及容易陷入局部最小解的情况,采用模拟退火与Hopfield神经网络混合计算的方法进行改进,提出的HNN—SA混合算法,用模拟退火收敛到全局最优去弥补Hopfield神经网络易陷入局部最优的缺陷,同时用Hopfield神经网络去弥补模拟退火的时间性能,丰富了优化理论的研究。