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     

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.     

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.     

线性互补问题的若干注记

首先给出Murthys等在[SIAM J.Matrix Anal.Appl.22(2000)]中提出的公开问题的肯定回答,然后讨论了R0－矩阵和Q－矩阵的一些关系。     

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。     

基于线性矩阵不等式神经网络的鲁棒稳定性

讨论同时具有离散时滞和分布时滞的神经网络系统的鲁棒稳定性问题.不同于通常使用的矩阵范数理论,利用线性矩阵不等式(LM I),将神经网络系统的稳定性问题转化为凸优化问题,建立了神经网络系统鲁棒稳定性的一个充分条件,该条件易于利用标准的M atlab LM I工具箱进行验证和求解.     

线性互补问题解存在的一个条件

利用同伦方法求解线性互补问题,通过对R0矩阵对应的线性互补问题构造新同伦方程,给出同伦路径存在的一个新条件,并在该条件下证明同伦路径的有界性和收敛性,得到了线性互补问题解存在的一个条件.     

隐线性互补问题解存在的一个条件

通过构造隐线性互补问题的同伦方程,给出同伦路径存在的一个新条件,并证明同伦路径的有界性和收敛性,获得了隐线性互补问题解存在的条件.     

求解一类线性变分不等式的一个射影神经网络

考虑了一类线性变分不等式问题,提出了求解它的一个射影神经网络模型,构造恰当的能量函数,给出了确保新模型稳定和有限时间收敛的3个充分条件,并在适当的条件下,证明了该模型的指数稳定性。新模型结构简单,易于硬件实现,可用来求解非单调的问题。数值试验表明该网络不仅有效而且可行。     

基于线性矩阵不等式的变时滞神经网络指数稳定性

进一步研究带有时滞的细胞神经网络的全局指数稳定性.允许模型带有不可微和无限制的信号函数,利用线性矩阵不等式(LMI)方法和同胚定理证明了平衡点的存在和唯一性,而且导出了这个网络的全局指数稳定性的一些新的充分条件.     

解一类线性变分不等式问题的神经网络

提出了求解一类线性变分不等式问题的一个新神经网络.定义了恰当的能量函数,严格证明了该网络是Lyapunov稳定的,并且渐近收敛于原问题的一个精确解.此外,新模型在适当的条件下是指数稳定的.由于新模型的规模与原问题相同,并且其参数易于选择,因此其结构简单,更适合于硬件实现.实例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．     

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。     

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。     

求解广义非线性互补问题的神经网络

研究了广义非线性互补问题，将其转化为等价的无约束优化问题，给出了求解它的二个神经网络模型．分析了新模型的平衡点与互补问题解的关系，证明了其稳定性和平衡．占、集的渐近稳定性，并给出了其渐近收敛的充分条件．新模型可用来求解一类非单调的问题．     

A new class of infeasible interior-point algorithm for linear complementarity problem

This paper proposes an infeasible interior-point algorithm for linear complementarity problem with full-Newton steps.The main iteration consists of a feasibility step and several centrality steps.No more than O(n log(n /))iterations are required for getting an-solution of the problem at hand,which coincides with the best-known bound for infeasible interior-point algorithms.     

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。