经典的网络最短路径(Shortest Path,SP)问题解决静态、确定网络中单源最短路径或所有顶点对间的最短路径问题,这种狭义的SP方法具有很大的应用局限性。K最短路径问题(KSP)作为SP问题的扩展,在实际优化决策中期望得到一个按最优、次优、再次优等顺序排列的决策集合,其在物流、序列比对、网络和文本处理等领域有着非常广泛的应用。因此,快速的KSP算法研究无疑更适应实际问题的解决且意义重大。目前,广泛的应用需求推动了KSP问题的研究,并使其再次成为近年来国际上的研究热点,但相比解决经典SP问题的算法,KSP研究的突出成果并不多见。本文针对K最短路径问题算法,结合已有研究成果做了较为深入的研究,取得如下成果:1、提出了基于启发式搜索的无约束图中Single-pair KSP快速算法:启发式搜索基于每一个状态空间中搜索的位置进行评估,进而得到最好的位置,再从当前最好位置进行搜索直到目标节点。这种策略可以避免大量无谓的搜索路径,提高算法效率。本文运用启发式搜索策略,并使用on-the-fly search技术解决K最短路径问题,提出一种在K比较小的时候的高效率算法。实验证明,该算法在当K很小的时候比现有的算法效率高。2、研究脉冲耦合神经网络模型改进及其在KSP问题当中的应用:脉冲耦合神经网络是一种基于猫的视觉皮层建模提出的神经网络模型,具有强大的计算和模拟能力。本文提出了一种改进的脉冲耦合神经网络模型,并对模型参数调整做了详细探讨。结合single-pair KSP和single-source KSP问题研究提出了相应的实现算法。同时,结合当前常用的地图路径搜索应用进行了对比仿真。实验表明,由于PCNN的并行计算特征,使得KSP问题的计算速度大大提高。3、提出了一种基于波传递思想的KSP算法:考虑到水流动的自然特性与路径之间的关系,当波传递的速度一定时,其传递时间与其经过的路径长度成正比。由于波传递与具体节点的无关性,可将该思想用于解决针对从一个节点到其他所有节点的K最短路径问题,即single-source KSP问题。