一类线性约束非线性规划的初始神经网络

目的 建立求解一类线性约束非线性凸规划的简单可行的神经网络。方法 射影方法和Lyapunov直接方法。结果 基于问题自身的结构特点和射影方法，提出了求解一类线性约束非线性凸规划的两个神经网络模型。定义了Lyapunov函数，严格证明了它们是渐近稳定的。此外，在一定的条件下证明了其指数稳定性。新模型的规模均与原问题相同，不含任何参数，并且其稳定性不需要Lipschitz条件，模拟实验表明新模型不仅可行，而且有效。结论 建立了求解一类线性约束非线性凸规划的两个简单可行的初始神经网络，并在适当的条件下分别证明了其渐近稳定性和指数稳定性。     

约束问题修正BFGS方法的局部超线性收敛性

将Li—Fukushima提出的求解无约束最优化问题的修正BFGS法加以改进，应用于求解等式约束最优化问题。该方法的主要优点在于其迭代矩阵总保持对称正定。在一定的条件下，证明该方法具有局部超线性收敛性。     

线性多目标规划的神经网络方法

基于对偶理论和射影理论,提出了一个求解大规模线性多目标规划问题的新神经网络,严格证明了该网络是Lyapunov稳定的,并且大范围渐近收敛于它的平衡点,而且该平衡点正是线性多目标规划问题的非劣解。     

解水平线性互补问题的神经网络

考虑了单调的水平线性互补问题 .基于其结构特点 ,通过引入新向量 ,提出了求解它的两个简单的神经网络模型 .严格证明了所提出的模型均是 Lyapunov稳定的 ,并且大范围渐近收敛于原问题的一个精确解 .新模型的规模均与原问题相同 ,并且不含任何参数 .数值试验表明新模型不仅可行 ,而且有效     

非线性约束规划快速收敛的共轭投影变尺度法

本文讨论非线性等式约束规划问题，给出了问题的一种共轭投影变尺度算法．方法利用变尺度法，梯度投影法及共轭方向法相结合的思想直接给出主搜索方向和辅助方向显式表达式，以罚函数为效益函数，不需解任何二次子规划．在较温和的假设下，算法具有全局收敛性和超线性收敛性．     

一个求解线性约束的非线性规划的变尺度方向广义投影内点算法

基于内点算法的思想，利用广义投影技术构造了一求解线性约束的非线性规划问题的变尺度方向内点算法，并给出了其收敛性证明。     

求解线性互补问题的神经网络方法

研究了线性互补问题.基于解的充分必要条件,提出了求解它的一个神经网络模型;构造了恰当的Liapunov函数,给出了该模型稳定和大范围渐近收敛的充分条件;研究了其全局指数稳定性,并用数值实例说明了该模型的可行性和有效性.该模型不需要设定网络参数,可用来求解一类非单调的互补问题.     

解水平线性互补问题的一个基于梯度的神经网络

给出了求解水平线性互补问题的一个基于梯度的神经网络.基本思想是先将该问题转化为等价的无约束优化问题,然后基于梯度法构造神经网络模型,分析了模型的平衡点与原问题解的关系,然后运用Lyapunov稳定性理论和LaSalle不变集原理,严格证明该网络全局收敛于它的平衡点集.数值模拟表明网络不仅可行而且有效.     

解带非线性等式和不等式约束优化问题的超记忆梯度广义投影算法

利用广义投影技术 ,将求解无约束规划的超记忆梯度算法推广 ,建立了求解带非线性等式和不等式约束优化问题的一种超记忆梯度广义投影算法 ,并证明了算法的收敛性。该算法具有稳定、计算量小、所需收敛条件弱、收敛性强等特点 ,并改进了广义梯度投影算法的收敛速度。数值算例表明该算法是有效的。     

求解非线性优化问题的记忆梯度摄动投影算法

利用摄动投影矩阵建立求解非线性约束优化问题的记忆梯度摄动投影下降算法,并证明算法的收敛性,同时给出结合FR、PR、HS参数和拟牛顿方程的记忆梯度摄动投影算法,从而将经典的共轭梯度法推广用于求解约束优化问题。数值结果表明算法是有效的。     

一种求解带等式约束非线性规划问题全局最优解的方法

本文把罚函数法和一种求解无约束非线性规划问题的辅助函数法相结合,首先写出非线性规划问题的罚函数,从而把原问题转化成为一个无约束的非线性规划问题,然后再运用辅助函数法（GOM）来求解罚函数的全局最优解,从而求到原带等式约束的非线性规划问题的全局最优解．     

求解二次规划的一个基于梯度的新神经网络

根据问题自身的结构特点，通过将其转化为等价的方程，提出了求解凸二次规划的一个基于梯度的新神经网络模型．严格证明了它是Liapunov稳定的，并且渐近收敛于原问题的精确解．讨论了其全局指数稳定性，该模型不需要选择自反馈或辅助联结权矩阵，且网络规模小于原问题．模拟实验表明新模型不仅可行，而且有效。     

求解一类新的非线性变分不等式的神经网络

考虑了一类新的非线性变分不等式,提出了求解的一个神经网络模型．在映射弱强制条件下,严格证明了该网络是Lyapunov稳定的,并且渐进收敛于原问题的一个精确解．此外,在适当的条件下证明了该模型的指数稳定性．数值实例表明该模型可行且有效．     

确定一般线性约束下伪线性规划全部解的一种方法

讨论一般线性约束下伪线性规划的多重解问题.推导出解的一般表达式.并基于XH算法,提出解的唯一性条件以及当唯一性条件不满足时确定全部解的计算步骤.从而推广了文献一般形式线性分式规划解集的结构与求法的结果.     

解水平线性互补问题的一个新颖的神经网络

考虑了水平线性互补问题,根据其等价性方程,提出了求解它的一个简单新颖的神经网络模型.新模型的规模为原问题的一半,证明了新模型解的存在唯一性,构造了合适的Lyapunov泛函,并利用线性矩阵不等式方法,给出了该神经网络全局指数稳定的充分条件.用数值模拟说明提出的神经网络的良好性能.