2021年12月初，神经网络领域期刊《IEEE Transactions on Neural Networks and Learning Systems》发表了紫金山实验室与香港城市大学等合作的论文《Multivehicle task assignment based on collaborative neurodynamic optimization with discrete Hopfield networks》。紫金山实验室未来网络研究中心王佳森博士参与该项研究工作。 
       作为“确定性网络+工业系统”示范应用的先期工作之一，该研究工作旨在通过使用神经计算改善运载系统（无人机、无人车、无人船等）的调度性能。作为运载系统的核心问题之一，运载器调度问题被证明为非确定多项式时间难的问题。该研究工作采用罚函数法构造能量函数，使用离散异步Hopfield神经网络局部优化能量平面；采用多Hopfield神经网络群体智能系统搜索全局最优化调度；调度结果可通过确定性网络周期性地传输至工业现场。值得一提的是，部分网络调度问题亦可视作运载器调度问题使用该研究工作的方法加以求解。总之，该工作聚焦运载器调度问题，使用神经网络模型改进调度系统的性能，为“确定性网络+工业系统”示范应用打下基础，服务未来工业系统智能化升级。
       作为神经网络和智能系统领域的经典期刊之一，《IEEE Transactions on Neural Networks and Learning Systems》发表神经网络以及相关学习系统的理论、设计、应用方面的技术论文。TNNLS收录的论文对学术界和工业界具有一定影响。