一类半无限极大极小问题的神经网络

本文考虑了一类半无限极大极小问题。首先将它等价转化为半无限非线性规划模型,再使用ku-hn-Tuckey条件、射影定理等,提出了求解它的一个神经网络模型。最后严格说明了该模型是Lyapunov稳定的,并收敛到原问题的一个精确解。     

求解线性半无限规划问题的神经网络

考虑了线性半无限规划问题。通过运用极大熵方法,将多个约束条件的问题转化为单个约束条件的模型,并提出了求解它的一个神经网络模型,严格说明了该模型是Lyapunov稳定的,并收敛到原问题的一个精确解。数值实验表明,该模型不仅可行而且有效。     

一类不确定半无限多目标优化问题的鲁棒逼近最优性

考虑一类含有不确定数据的半无限多目标优化问题, 先引入该不确定半无限多目标优化问题的鲁棒逼近拟Pareto弱有效解, 再借助鲁棒型次微分约束规格和 一类广义凸性假设, 给出该多目标优化问题的鲁棒逼近拟Pareto弱有效解的必要和充分最优性条件.     

具有线性目标函数的半无限凸规划的逆问题

在某些条件下提出具有线性目标函数的半无限凸规划的逆问题,并运用Rockafellar 对偶理论得到这一逆问题的对偶问题.对于特殊情况的半无限线性规划和线性规划给出了相应的结论.     

Lattice-Boltzmann方法计算多孔介质内固液相变问题

建立了Lattice-Boltzmann 的相变导热模型，通过计算半无限空间内固体的融化过程（单区域问题）及半无限空间内液体的凝固过程（双区域问题）对模型进行了验证，结果表明模型的数值解与解析解非常一致，该模型能很好地预测相变问题中的固液界面位置和温度场. 运用LB相变导热模型模拟了具有复杂几何边界的多孔介质内相变过程，分析了多孔介质骨架对材料相变过程的影响.     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

广义半无限极大极小规划的一个新的最优性条件

由于广义半无限极大极小问题的极大函数的约束集合随x的变化而变化,增加了对该问题的理论分析和求解难度.为了克服这种情况,许多研究者考虑通过转化消除约束集合中的约束f(x,y)≤0.本文是通过一类由1范数定义的精确罚,将广义的半无限极大极小规划中的约束条件消除,使该问题转化为半无限极小极大极小规划.在不需要假设集合的条件下证明,当罚参数充分大时,半无限极小极大极小规划与广义半无限极大极小问题具有相同的最优值,相同的局部最优解以及相同的全局最优解.利用这种等价性,进一步给出了广义半无限极大极小问题的一个最优性条件.最后,对本文中建立的最优性条件与其它文献中的最优性条件之间的关系进行了讨论.     

基于模糊成分的氧化铝烧结法配料优化

针对氧化铝烧结法配料某些生料成份的不确定性,引入L-R模糊数描述,并建立该类问题的优化模型.基于模糊参数的ɑ-截集和隶属函数的性质, 原模糊规划问题被转化成半无限规划问题.再利用约束函数最值法, 上述导出的半无限规划问题变成了普通线性规划问题进行求解.所建立的模型和求解方法的有效性均在氧化铝烧结法的矿配问题中得到验证.     

基于RS的GMDH神经网络在空袭目标识别中的应用

针对目标属性识别的特点,建立了基于粗糙集(Rough Sets, RS)的数据分组处理(Group Method of Data Handling, GMDH)神经网络分类模型.该模型较好地解决了采用高维数据集训练神经网络效率低,神经网络结构规模较大的问题.同时为了提高高维数据集合的属性约简效率,改进了集合近似质量属性约简算法.最后,通过与BP(Back-Propagation, BP)神经网络分类能力的仿真对比,结果表明,基于粗糙集的数据分组处理神经网络分类模型分类能力优于BP神经网络模型,满足现代防空作战对目标属性识别的需求,基于快速求核和集合近似质量的属性约简算法快速有效.     

推广的Hopfield神经网络模型及其应用-Job-Shop问题的神经网络解法

0 引言在神经网络的研究工作中,Hopfield模型的建立被称为是突破性的,但用以解优化问题有其局限性,即被优化的目标函数只能是二次函数.本文给出了一种推广的Hopfield模型,可用于解决一大类优化问题,只要该优化问题能表示成某一目标函数,且该函数能满足对各变量的一价偏导数存在且连续的条件即可. 1 神经网络的结构