一种改进的求解含等式约束凸二次规划问题的Lemke算法

通过对经典的Lemke互补转轴算法求解含有等式约束的凸二次规划问题的分析,发现所得到的线性互补问题(LCP)可能是退化的.由Lemke算法求解(LCP)问题的迭代过程,通过六个命题说明了含有等式约束的凸二次规划问题对应的(LCP)问题退化的原因,并对经典的Lemke算法的迭代过程进行修正,提出了一种改进的Lemke算法,这种算法能有效地搜索到含等式约束凸二次规划问题的最优解.     

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。     

整数规划的凸填充函数算法

改造文献［１］的求解连续总体优化问题的凸填充函数算法使之适于求解整数规划问题．首先,在求出整数规划问题的一个离散局部极小解的基础上构造了整数规划问题的凸填充函数;其次,通过寻找该填充函数的离散局部极小解,以期找到整数规划问题的比当前离散局部极小解好的解．本文的算法是直接法,数值试验表明算法是有效的．     

求解一类二阶锥规划问题的神经网络及应用

考虑了一类二阶锥规划问题.利用两个光滑函数分别将二阶锥约束转化为光滑的凸约束,提出了求解这类二阶锥规划问题的两个新神经网络,并在适当的条件下证明了提出的神经网络是Lyapunov稳定的,且以任意精度收敛到原问题的解.数值实例说明了两个新神经网络的有效性.     

求解凸不等式组问题的神经网络方法

考虑了凸不等式组问题,通过将其转化为一个极大极小问题,进而转化为等价的凸规划问题,提出了求解它的一个神经网络模型。并严格证明了该模型是Lyapunov稳定的,且在有限时间内收敛到原问题的一个精确解。     

线性约束非线性规划的神经网络方法

研究了线性约束的非线性凸规划问题,基于最优性的充要条件,提出了求解它的一个神经网络,该西式能同时求解原问题与对偶问题;利用LaSalle不变原理,证明了该网络是Lyapunov稳定的,并且当目标函数严格单调时,它必不范围渐近收敛于原问题的精确最优解,模拟实验表明,该模型是可行和有效的。     

求解一类半无限多目标规划的神经网络算法

考虑了一类半无限多目标规划问题.根据极大熵方法,先将其转化为半无限单目标可微凸优化问题.再由原问题和对偶问题之间的关系,提出了求解它的能量函数和神经网络模型,并证明该神经网络模型的解是一致渐近稳定的.该模型结构简单,规模小.     

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。     

微分代数方法求解凸二次规划问题

用微分代数方法求解凸二次规划问题,先把凸二次规划转化为带障碍项的凸规划,然后用微分代数方法求解,结果表明微分代数方法求解凸二次规划是切实可行的.     

求解线性不等式组问题的几种方法

本文研究了求解线性不等式组的几种实用算法,首先把线性不等式组问题转化为线性规划和凸二次规划,通过求解线性规划和凸二次规划得到线性不等式组的一个解,紧接着给出了直接求解线性不等式组的旋转算法;实例说明这些方法是可行的.     

二次最小化问题的有限时间递归神经网络求解

利用一类递归神经网络模型来求解二次最小化问题，在该模型的基础上加入双符号幂激励函数，以加快递归神经网络的收敛速度，甚至达到有限时间收敛.通过调节设计参数λ的取值，递归神经网络的收敛性能可进一步提高.利用MATLAB软件对有限递归神经网络模型进行仿真，数值仿真结果验证了模型求解二次最小化问题的有效性和优越性.     

神经网络在二次规划问题中的应用

利用对偶神经网络解决了基于线性等式、 不等式和有 界约束的二次规划问题, 表明所研究的对偶神经网络具有整体指数收敛性, 与包含高次非线性条件的神经网络相比, 所提出的网络使用了更少的神经元, 并且网络的体系结构更简单.数值实验结果表明了该方法的有效性.     

一类线性互补问题的神经网络求解

本文提出了一种求解一类线性互补问题的神经网络模型，并从理论上予以了严格证明。最后给出了一个应用实例。     

二次型规划问题的进一步研究

进一步分析了求解二次型规划问题的神经网络方法，给出了这一方法的稳定性的可检验条件，并证明在这个条件下网络是全局收敛的，最后，给出了数值模拟例子。     

基于神经网络响应曲面的预锻模具形状优化与再设计方法

针对二次多项式响应曲面在解决非线性问题时的局限性,提出了以神经网络为基础构建响应曲面的方法,建立了预锻模具形状与填充度之间的映射关系,并结合离子群优化算法(PSO)求得最优解,以两工步二维轴对称锻造问题为例,验证了其效果良好.同时,为解决预锻模具优化结果过于复杂的问题,提出了基于知识的再设计概念,用于进一步简化优化结果.通过与原优化结果的对比,验证了再设计方法效果良好.     

解最小一乘问题的递归神经网络

应用鞍点理论和投影算子的性质,给出了一种递归神经网络求解具有线性约束的最小一乘问题,证明了此神经网络全局收敛于一个最优解.数值实验表明,用本文的方法求解最小一乘问题是切实可行的.     

求解线性等式与不等式组的神经网络模型

提出了一种求解线性等式与不等式组的神经网络模型，该模型避免了惩罚函数模型的缺点，当模型达到稳态时，网络输出将给出问题的精确解。作为一个应用，从本文提出的模型可以导出解一类线性规划问题的神经网络模型     

多维特征空间中模式分类神经网络的一种设计方法

提出了一种在多维空间Ｒｎ中模式分类神经网络设计的新方法。可确定网络的拓扑结构，包括隐层、隐元个数及连接权系数。特别是由于二次阈值神经元的特例——超球面阈值神经元的使用，对特征空间Ｒｎ的分割比使用超平面阈值神经元时需利用Ｖｏｒｏｎｏｉ图进行凸区域分割简便的多。因而设计成的神经网络结构清楚直观。