神经网络是20世纪80年代初期在智能算法领域兴起的热点研究方向，它是受到了生物神经元网络的启发，将其抽象成某种数学模型，进行信息处理。神经网络的本质是一种进行信息处理的运算模型，它由若干个神经元相互连接而成，每个神经元也可称为一个节点，每个节点都代表着一种特定的激励函数，对输入该节点的信息进行特定的处理。83700

20世纪40年代，心理学家McCulloch和数理逻辑学家Pitts最早地提出了神经网络的雏形，他们共同建立了M-P模型，这是人类对于生物神经网络最早的模仿，M-P模型的建立也开启了人类对于人工神经网络的研究[1]。1949年，心理学家DonalaO。Hebb提出可以通过改变神经元之间的连接强度来实现神经网络的自学习，该理论也被称为Hebb规则，它的出现对神经网络学习的研究及发展产生了巨大的影响。1958年，计算机科学家F。Rosenblatt提出了“感知器”的概念，它以现代计算机为基础，可以像人的大脑一样，能够在一定程度上学习和感知外界的信息[2]。F。Rosenblatt所提出的感知器是第一个完整的神经网络，它的出现实现了神经网络理论到实践的质的飞跃。1961年，B。windrow和M。Hoff共同提出了自适应线性元件，它优化了感知器的学习程序并且能够进行自适应滤波以及模式识别。这也使得神经网络的发展进入了它的第一个高潮。论文网

1969年，美国人工智能专家Minsky和Papert编写的《Perceptron》提出感知器的能力是有限的，它不能处理“异或”等逻辑关系。这使得对于神经网络的研究陷入了低谷[3]。直到20世纪80年代初，美国生物学家J。Hopfield引入“循环网络”的概念，他提出将李雅普诺夫函数作为神经网络的“能量函数”，给出了网络的稳定性判据。1984年J。Hopfield在之前研究的基础上提出了一种能够模拟神经网络算法的模拟电路模型，这为神经网络今后的应用开辟了道路。

我国在神经网络领域的研究与西方国家相比，较为落后。从20世纪80年代开始我国学者才逐步关注神经网络问题。1990年12月，由国内学者组织举办的第一届神经网络会议在首都北京召开。1991年专注于神经网络研究的中国神经网络学会在江苏南京成立，为神经网络在中国的研究和发展提供了平台。由于神经网络出色的控制性能，我国对于神经网络研究不断深入，更多的人开始关注这个问题。90年代初期，我国的“863计划”、国家自然科学基金、国防科技预研基地都等都把神经网络列入重要研究领域，提供了大量的资助[4]。经过半个多世纪的发展，人工神经网络在在许多领域都取得了非常大的进展。针

对各个领域的特点，使用不同的神经网络可以获得较好的控制效果。常见的神经网络包括RBF神经网络、Hopfield神经网络、BP神经网络等。