两类变分不等式题目的神经网络.pdfVIP

两类变分不等式问题的神经网络 董 宁 摘要变分不等式问题是一类重要的优化问题，它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．特别地，数学、物理和工程领域的许多问题都可以转化为它．在许多 科学和工程技术领域中，往往要求实时并行求解变分不等式问题，然而传统数值 方法由于计算时间依赖问题的规模和结构以及所采用的算法，因而并不能实时求 解．而基于电路实现的神经网络是一种自组织、自适应、自学习的非线性网络， 它具有大规模并行处理、分布式存贮、高度的容错能力以及计算时间几乎为零等 优点，被认为是实时并行求解优化问题的一种有效途径．近年来，应用神经网络 求解优化问题已取得了很好的成果，因此，研究用神经网络实时求解变分不等式 具有重要的理论价值和实际意义． 本文基于优化理论、射影理论、微分方程组的稳定性理论和LaSalle不变原 理对求解广义变分不等式的神经网络进行了深入研究．从理论上严格证明了这些 网络的各种稳定性，特别是指数稳定性．数值实验还表明这些网络不仅可行，而 且非常有效． 全文分四部分研究了求解两类变分不等式的神经网络及其稳定性． 第一部分是绪论，综述了变分不等式的意义及其发展，并给出了射影理论、 微分方程组的稳定性理论和LaSalle不变原理等基本理论． 第二部分进一步分析了广义射影神经网络的稳定性，网络模型为 rh， 5”7“=玮fG∞)一dF(“)】一G心)． 该网络的平衡点是相应的广义变分不等式问题的鳃，因此，可以用它来求解广义变 分不等式问题．本章分三种情形用射影理论、稳定性理论和LaSalle不变原理严格 证明了该网络的稳定性、渐近稳定性和指数稳定性．与已有结果相比，前两种情形 有界， 在第三部分，根据广义变分不等式问题的结构特点及其解的充要条件，构造 了一个求解它的新的神经网络模型： Ja。 I VG(u)的逆矩阵．理论结果表明，新网络的稳定性仪需要F(u)是G单调的，并 日．其轨线收敛于广义变分不等式的解；当F(u)是G严格单调时，该网络全局渐 近稳定；当F(u)足G强单调时，该网络指数稳定．显然，上述两个模型还可以 补问题(f2={Ⅱ∈R“1“≥0¨和非线性方程组【n=R“)等． 第四部分讨论一类单调常义线性变分不等式的神经网络解法．根据问题的特 点，构造了求解它的一个新的神经网络．定义了恰当的能量函数，严格证明了该 网络是Lyapunov稳定的，并且大范围渐近收敛于原问题的一个精确解．此外， 凸二次极大极小问题的鞍点条件可以转化为该变分不等式，因此，该网络还可用 来求解凸二次极大极小问题． 关键词t变分不等式； 神经网络； 收敛性； 稳定性； 指数稳定性 KINDSoF NEURALNETWORKSFORTW0 VA RIATIoNAL PRoBLEMS INEQUALITY DongNing Abstract： oneofthemost Variational inequalityproblem(VIP)is impor— tant ina arises fields of optimizationproblems，it widely signal identification，filter design，robotcontrol，economicscience，transpr