两类广义线性互补题目的神经网络.pdfVIP

两类广义线性互补问题的神经网络 莫浩艺 摘要广义线性互补问题来源于工程物理、力学、运筹学和经济等领域，在 经济平衡、非协作竞赛、交通分配等问题中有重要应用，而且与变分不等式、双 线性规划和非线性方程组有着紧密联系，因此研究它的求解方法具有一定的实际 意义和理论价值． 近年来，人们对广义线性互补问题提出了许多算法，但这些方法基本上属于 传统的迭代法，由于它们的计算时间极大地依赖于问题的规模、维数以及所使用 的算法，因此很难满足实时并行的要求。与传统数值方法不同，由于内在的并行 分布处理信息的特点及电路实现的潜能，神经网络有着许多计算上的优势和实时 成功应用于优化问题后，用神经网络求解优化问题得到了相当深入的研究，并取 得了许多重要的成果． 本文研究了两类广义线性互补问题．根据问题的特点，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解之间的关系，并证明了网 络模型的稳定性和收敛性．全文共分三章． 第一章介绍了两类广义线性互补问题的研究现状，以及神经网络的基本特 征、研究进展和相关的基本理论知识，最后概括了本文的主要工作． 第二章讨论了第一类广义线性互补问题，对矩阵N=0和R=0的情形，分 别采用非梯度法和梯度法构造求解它们的神经网络模型，并运用Lyapunov稳定 性理论和LaSalle不变原理，严格证明了网络模型是Lyapunov稳定的，而且全局 收敛于原问题的一个精确最优解或原问题的解集．N=0的网络模型可以用来求 解线性互补问题，它比已有模型简单．另外，它包括了求解约束二次规划问题的 网络模型． 第三章考虑了第二类广义线性互补问题，讨论了它的五种情形：问题的一般 形式，水平线性互补问题，垂直线性互补问题，混合线性互补问题和Ye的广义线 后基于梯度法构造神经网络模型．在行Po或行充分性质的条件下，建立了网络 的平衡点与原问题解之间的关系．推广了Ro性质的定义，并证明无约束优化问 题目标函数的水平集的有界性与矩阵对的‰性质是等价的．最后运用Lyapunov 稳定性理论和LaSalle不变原理，严格分析了网络模型的稳定性和收敛性．这些模 型推r1了求解线性互补问题的一类梯度神经网络模型． 与传统数值方法相比，这些模型不畲参数，而且可用电路实现，能够实时并 行求解这两类广义线性互补问题．数值实验表明这些网络模型不仅可行，而且非 常有效． 关键词：广义线性互补问题，神经网络，稳定性，收敛性． II FoR OFGENERALIZED NETWoRKSTWOKINDS NEURAL PROBLEMS LINEARCoMPLEMENTARJTY Mo Hao—yi linear comesfIom Abstract：The engineering generalizedcomplementarityproblem has and research．It operational importantapplication physics，mechanics，economics ineconomic assignmentproblems equilibriumproblems}noncooperativegames，traffic to an