无正则性条件下的一个信赖域方法的全局收敛性

1.引 言考虑下列等式约束最优化问题:min f(x)x∈Rn (1.1)s.t.C(x)=0其中f:Rn→R,C（x）=（c1（x）,C2（x）,…,Cm（x））T,Ci:Rn→R,（i=1,…,m）.我们假设f（x）,Ci（x）（i=1,2,…,m）是连续可微函数.令g（x）=　f（x）,A（x）=　C（x）T.为了方便,我们通常用 Ck,fk,gk,Ak分别表示 C（xk）,f（xk）,g（xk）A（xk）. SQP方法是一迭代方法.在 xk点,通过解下列子问题来得到搜索方向 dk     

关于Hopfield-型神经网络收敛性和求能量函数极小解的可靠性的研究

本文在徐宗本等1996年的论文的基础上进一步完善了Hopfield-型神经网络的收敛性定理;根据徐宗本等1996年的论文中由能量函数的极小解与网络的稳定点之间的关系而提出的三类能量函数(正则性,正常性和完备性能量函数),本文提出了两类具有完备性的Hopfield-型网络.     

Some graphs which have ascending subgraph decomposition

1.IntroductionIn[1],Alavietal.gavethefollowingdecompositionconjecture.Conjecture.LetGbeagraphwith("1')edges.ThentheedgesetofGcanbedecomposedintonsetsgeneratinggraphsGI,G2,'IG.suchthatIE(Gi)I=i(fori=1,2,',n)andGiisisomorphictoasubgraphofGi 1fori=1,2,'.)n--1.AgraphGthatcanbedecomposedasdescribedinConjecturewillbesaidtohaveanAscendingSubgraphDecomposition(AlsoabbreviatedasASD).ThesubgraphsGIIG2,',G.aresaidtobemembersofsuchadecomposition.Furthermore,ifeachGiisastar(matching,pat…     

用Hopfield—型神经网络解四色猜想问题

本文综合讨论了Ｈｏｐｆｉｅｌｄ－型神经网络的迭代算法，使其能保证能量函数单调下降；指出了文［１２］中的错误，并给出了原因；解决了用离散Ｈｏｐｆｉｅｌｄ－型二元神经网络不能求解带有负反馈的问题的难题，大大改进了文［１２］中的算法，能够成功地对任意多个国家的地图用四种颜色着色（使得任意相邻的两个国家着不同的颜色），并可对任意ｋ－可着色问题进行求解．