連續(xù)優(yōu)化問(wèn)題的神經(jīng)網(wǎng)絡(luò)解法.pdf

1、在該文的第一章,作者主要分析了優(yōu)化問(wèn)題的研究背景、優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)等相關(guān)領(lǐng)域的發(fā)展近況,為整篇論文的研究奠定基礎(chǔ).文章的第二章簡(jiǎn)要地介紹了論文的相關(guān)知識(shí)背景,如優(yōu)化問(wèn)題的定義、分類、常規(guī)解法及其特點(diǎn);常用的智能優(yōu)化方法:神經(jīng)網(wǎng)絡(luò)、模擬退火、遺傳算法等方法的發(fā)展歷程、算法的一般流程等相關(guān)知識(shí).在隨后的三章中,分別介紹了該論文提出的用于解決標(biāo)準(zhǔn)非線性規(guī)劃問(wèn)題和非線性全局優(yōu)化問(wèn)題的三個(gè)神經(jīng)網(wǎng)絡(luò)模型:神經(jīng)網(wǎng)絡(luò)融合信賴域技術(shù)求解非線性規(guī)

2、劃問(wèn)題的模型、求解非線性全局優(yōu)化問(wèn)題的隨機(jī)參數(shù)擾動(dòng)退火模型以及求解非線性全局優(yōu)化問(wèn)題的混沌參數(shù)擾動(dòng)退火(CPDA)模型.在第三章的模型中,算法采用逐次二次規(guī)劃的方法逼近非線性規(guī)劃問(wèn)題,采用信賴域技術(shù)協(xié)調(diào)逼近的精度和迭代的速度之間的矛盾,采用一種新的神經(jīng)網(wǎng)絡(luò)模型求解一系列的二次規(guī)劃子問(wèn)題.這樣復(fù)雜的非線性規(guī)劃就通過(guò)對(duì)一系列的較為簡(jiǎn)單的二次規(guī)劃問(wèn)題的求解,得到一個(gè)解的收斂序列,從而逼近非線性規(guī)劃問(wèn)題的最優(yōu)解.文章的第四章針對(duì)全局優(yōu)化問(wèn)題,提

3、出了隨機(jī)參數(shù)擾動(dòng)退火模型,該算法根據(jù)一定的策略,在Hopfield網(wǎng)絡(luò)的能量函數(shù)中加入若干項(xiàng)的隨機(jī)參數(shù)擾動(dòng),使得能量函數(shù)發(fā)生變化,影響能量函數(shù)的地形以及極值點(diǎn)的個(gè)數(shù)、位置,從而克服局部極值點(diǎn)的吸引.隨著擾動(dòng)參數(shù)退火過(guò)程的進(jìn)行,擾動(dòng)的作用逐漸減小,最后不再影響網(wǎng)絡(luò)的尋優(yōu)過(guò)程.通過(guò)這樣的一個(gè)擾動(dòng)退火過(guò)程,算法提高了自身的適應(yīng)能力,擴(kuò)大了搜索的范圍,增加了得到最優(yōu)解的幾率,對(duì)幾個(gè)全局優(yōu)化測(cè)試函數(shù)的仿真計(jì)算也充分地表現(xiàn)了算法的優(yōu)點(diǎn).第五章針對(duì)擾