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。     

一类求解退化凸二次规划的投影神经网络

借助变分不等式和Kuhn—Tucker条件,构造了一类投影神经网络求解线性约束的退化凸二次规划问题．与已有的求解退化凸规划问题的神经网络系统相比,系统的适用范围更广;在理论方面,系统是全局收敛的;数值实例显示了所得结论的有效性和正确性．     

二次规划的对偶问题

本文讨论了二次规划的对偶问题以及对偶问题的对偶问题，给出了对偶定理和逆对偶定理。     

球约束二次规划问题的一个计算方法

研究球约束二次规划问题 .将一般的球约束二次规划问题转化为球约束凸二次规划问题 ,并给出了该问题的KT点和全局最优解的计算方法     

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.     

一类时滞细胞神经网络稳定性判断标准

目的研究一类细胞神经网络。方法通过构造合适的Lyapunov函数和利用基本不等式技巧na1a2…an≤an1 an2 … ann进行研究。结果获得了时滞细胞神经网络(DCNNs)全局渐进稳定的判断标准。结论改进和一般化了相关结果。     

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。     

基于神经网络的二次规划问题的指数稳定性

针对带有边界约束的凸二次规划问题,利用离散神经网络模型的建模原理,构造了一个神经网络模型.利用矩阵与对称矩阵的关系和正定矩阵特征值的性质,通过引入一个适当的因子,得到了该离散型神经网络模型是全局指数稳定性和指数收敛率的结果.同时分析了该结果的优越性和存在的不足,提出了解决的3种方法,最后给出了实例说明本方法取得结果的实用性.     

一类凸二次规划的对偶方法

推广了Goldfarb与Idnani提出的严格凸二次规划的对偶方法,使其可以用于求解一类凸二次规划,且举例说明此方法的有效性。     

含二次隶属函数的模糊二次规划模型求解

基于一种新定义的可调节二次隶属函数,研究了一类带有模糊资源约束的模糊二次规划模型,同时给出了两种相应的求解方法—扩展的Zimmermann算法和扩展的参数规划法。实例表明,两类方法均有一定的合理性和有效性。     

带有二次约束的一些非凸二次规划问题的全局最优性条件

利用Z.Y.W u等人最近提出的一种新的研究全局优化问题的全局最优性条件的方法,研究了一些带有二次约束的非凸二次规划问题的全局最优性条件,得到了一些带有二次约束的非凸二次规划问题的全局最优性充分条件,同时也得到了一些无约束非凸二次规划问题的全局最优性充分条件,并证明了在一些特殊情况下,本文的一些结果与文献中的一些结论是一致的。在有些情况下,本文的有些结果还推广了现有文献中的一些结论。     

一类非光滑最优化问题的逐次二次规划方法及其全局收敛性

本文给出了一类非光滑问题的逐次二次规划方法．问题的目标函数是凸函数和一个非光滑合成函数之和．方法利用二次规划的解作为搜索方向，新的迭代点由不精确线搜索得到．在较弱的条件下，证明了方法的全局收敛性．     

带有二次约束二次规划问题的全局最优化

根据带有二次约束二次规划模型的特殊结构,利用乘积的凸包络和凹包络,给出带有二次约束二次规划问题的松弛线性规划问题,以确定全局最优值的下界,使用超矩形缩减技术以加快分支定界算法的收敛速度,从而提出一个求解带有二次约束二次规划问题的全局最优化算法,证明该算法的收敛性,这个新算法实际上是把分支定界方法与外逼近方法有机地结合起来.数值算例表明所提出的算法是可行的.     

一个求解二阶锥变分不等式问题的神经网络

本文提出了一个神经网络算法,以求解二阶锥变分不等式（SOCCVI）问题．该算法利用一个光滑化Fischer-Burmeister(FB)函数处理问题对应的KKT条件,将其转化为一个无约束优化问题．利用Lyapunov方法本文证明,在给定的条件下,该神经网络Lyapunov稳定,渐近稳定且指数稳定．数值模拟验证了该神经网络的运算效果．     

半无限规划的递归二次规划算法

本文对于半无限规划问题提出了 WHP 递归二次规划算法,并证明此算法具有整体收敛性。     

一个二次规划问题的高阶收敛算法

利用凝聚函数对二次规划问题的等价形式进行带参数的磨光,并对参数方程的解曲线进行离散化追踪,在适当的条件下,证明了该算法具有大范围线性收敛和局部任意阶收敛.