چکیده: دو مدل شبکه عصبی کارا برای حل مسئله برنامهریزی چندهدفه محدب ساخته میشود. در روند ساخت این مدلها ابتدا با بهکارگیری روش مجموع وزندار مسئله چندهدفه محدب به یک مسئله برنامهریزی محدب تکهدفه تبدیل میشود، طوریکه مرز پارتو با استفاده از مقادیر وزنی مختلف بهدست میآید. سپس برای مقادیر مختلف وزنی داده شده، شبکههای عصبی برای جستوجو جوابهای پارتو استفاده میشوند. با بهکارگیری نظریه لیاپانوف، ثابت میشود شبکههای عصبی پیشنهادی پایدار به مفهوم لیاپانوف و همگرای سراسری به جواب دقیق مسئله برنامهریزی محدب تک هدفه هستند. همچنین نتایج شبیهسازی نشان میدهد که مدلهای پیشنهادی کارا هستند. از سوی دیگر برای حل مسائل بهینهسازی فازی محدب از دو شبکه عصبی بازگشتی متفاوت استفاده میکنیم. از آنجایی که تحقیقات محدودی در مورد حل مسائل بهینهسازی فازی توسط شبکه عصبی بازگشتی وجود دارد، یک طرح جدید برای حل مسئله پیشنهاد میشود. با فرمولبندی مجدد مسئله اصلی به یک مسئله بازهای و سپس یک مسئله وزندار، شرایط کروش کان تاکر بیان میشود. همچنین، خواص همگرایی و تجزیه و تحلیل پایداری مدلهای ارائه شده بیان و اثبات میشود. در مرحله آخر، چندین مثال شبیهسازی شده برای صحتسنجی مدلهای پیشنهادی ارائه میشود. نتایج گزارش شده با برخی دیگر از شبکههای عصبی قبلی نیز مقایسه میشود.