随着现代通信网络技术的发展以及各种新型通信业务的出现,对通信网络的传输性能提出了更高的要求。由于组播技术降低了网络的负荷,节约了网络的带宽资源,减少了阻塞的发生,因此组播技术目前已经成为应用最为广泛的网络信息传输方式。组播路由问题的关键在于寻找一颗满足传输业务服务质量(Quality of Service, QoS)要求的组播树,由于该类QoS组播路由问题属于NP完全问题,所以求解难度比较大,受到了中外学者的极大关注。目前,由于智能算法的优良特性,大量的智能算法被应用于组播路由问题的研究。但是随着QOS组播路由问题的不断深入发展与研究,智能算法的一些弊端逐渐出现,如未成熟收敛、容易出现停滞现象、时间耗费过大、过于复杂等。本文研究了如何将神经网络这一新型优化算法应用到QoS组播路由算法问题中,利用该算法的高度并行、自组织、自学习的特点,为解决QoS组播路由问题发现新的思路。在文章中构建了两种解决QoS组播路由问题的算法。首先构建了在当前组播路由算法中具有代表性意义的模拟退火遗传QoS组播路由算法,然后运用Hopfield神经网络构建了QoS组播路由算法,并在Hopfield神经网络中构建线性神经元来解决时延、时延抖动等约束因素,在最后的实验仿真环节,采用一种改进的Waxman算法生成与实际路由网络更为接近的模拟测试网络,对两种算法进行仿真测试,通过实验仿真的比较表明了改进Hopfield神经网络的QOS组播路由算法的优越性。