对应起来，网络动态向能量函数极小值方向移动的过程就可视作优化问题的求解过程，稳态点则是优化问题的局部或全局最优解。
Hong 和Cho[24]用于机器人装配顺序优化的Hopfiled 神经网络中，考虑装配约束、子装配体稳定性和装配方向改变等因素建立网络的能量方程，基于优先约束推理和专家系统提供的装配成本驱动网络的进化方程得到优化的序列。但由于神经网络缺乏全局搜索能力，计算结果显示，该方法容易产生不优化的装配顺序，且常常只能得到一个局部最优的装配序列。另外，参数选择和初始条件对网络的灵敏度影响大；神经网络在应用前须进行训练，而训练时要由专家提供较多可行的顺序作为样本。而样本可能是针对某种类型的产品，对其它类型的产品则不一定适用，该方法的应用范围窄
