优化问题神经网方法研究及实证分析.pdfVIP

中文摘要 优化问题涉及范围广，许多领域都存在大量形式多样的优化问题，解决优化 问题具有重要的现实意义。优化问题是指在给定的约束条件下，求出使目标函数 最优化的变量组合问题。传统的运筹学方法可以解一些简单的优化问题，但随着 问题的复杂化，许多问题都找不到最优解，特别是组合优化问题中的NP困难闯 题。 神经网络作为一种智能化的方法，具有很强的自适应性、鲁棒性和非线性复 杂问题的搜索能力，在解决优化难题上具有明显的优势。本文的创新之处在于： 从新的角度来研究解决优化问题的神经网络方法，将优化问题分为组合优化问题 和连续变量优化问题两大类，分别从这两类优化问题入手来研究解决这些问题的 神经网络方法。 本文首先探讨了解决组合优化问题的神经网络方法，以TSP问题为例，主 要研究Hopfield网络和随机神经网络这两种神经网络。在研究随机神经网络过程 中，引入DRNN网络来解决TSP问题。最后，分别从理论研究和实证分析两方 面对比了Hopfield网络和DRNN网络在解TSP问题上的优缺点。 接着，对解决连续变量优化问题的神经网络方法做了详尽的研究，主要针对 该问题中的证券组合优化问题，由于解决证券组合优化问题也具有现实的意义。 为了解证券组合优化问题，先要预测基础