求解两类线性问题的神经网络.pdf

求解两类线性问题的神经网络 王 婧 摘要变分不等式与互补问题具有广泛的应用背景，一直是优化领域中的重 要研究课题．变分不等式问题广泛地出现在信号和图像处理、系统识别、滤波设 计、自动控制、经济科学、运输科学、运筹学、非线性分析等领域，并且数学、物 理和工程领域的许多问题都可以转化为它．作为变分不等式问题的特殊形势，互 补问题广泛地应用于工程物理、经济与交通平衡等领域，特别地，约束优化问题 的最优化条件也常为一互补问题，因此得到了广泛的研究． 在许多实际应用中，变分不等式与互补问题往往要求实时求解，然而传统的 数值迭代方法，由于计算时间依赖问题的规模、结构以及所采用的算法，因而很 难满足实时性的要求．基于电路实现的人工智能神经网络是处理高维、稠密结构 问题的一个可行方法．由于内在的动态本质和电路实现的潜在能力，神经网络能 够采用集成电路等硬件来实现．因此，神经网络比传统的优化算法能更快的求解 优化问题，并且建立神经网络来实时求解优化问题具有实际意义． 本文研究了一类线性变分不等式问题以及水平线性互补问题．根据文中问题 解的特点，分别给出了求解它们的神经网络模型，建立了网络模型的平衡点与原 问题的解之间的关系，