基于神经动力学的几类优化模型的分析与设计-控制理论与控制工程专业论文.docxVIP

PAGE PAGE 4 1.3 研究内容 人工神经网络通过棋拟人的 大脑神经活动的方式 进行信息并行处理和 非线性 转换，简单大量的神经元并行的、集体的活动和分布式处理方式使其可 以得到设计 者预期的计算 、识别结果 ，并且具有较快 的运算速度 。神经网络具有强大的容错功 能，这使得它的部分神经元被损坏后 ，整个系统的活动也不会受到较大的影响，这 必然使系统的稳定性得到了提 高。大规模神经元并行式 处理方式以及网络强大的容 错性和自适应能力 ，受到了众多学者的普遍关注和研究，已被应用于解决很多优化 问题。本文主要研究和介绍用神经网络 电路棋型来实现线性代数方程组、等式约束 下的二次规划和非线性代数方程组的求解问题。包括以下几个部分 内容 : ( 1)对线性代数方程组的神经网络优化模型设计原理及方法进行介绍，根据 模拟神经网络的动态方程 ，得出对应 的离散系统方程，通过计算得出系统的收敛性 条件，并对该离散系统的稳定性进行分析。本部分还将用一 个说明性的事例来阐述 网络的设计过程和优化功能。 (2)介绍了用 Lagrange 乘子法解决寄:式 约束条件下 二次规划的神经网络优化 模型设计原理及方法。重点研究和阐述用 QR 直交分解法解决等式约束条件下 二 次 规划的神经网络优化模型设计原理及过程 ，得到了棋拟神经网络电路棋型及对应 的 离i散系统方程和收敛性条件 ，井进行了稳定性分析 。用一个说明性的事例阐述了网 络的设计过程和优化功能。文章还将 Lagrange 乘子法设计的神经网络电路模型同 QR 直交分解法得 出的神经网络电路模型进 行了比较，得出了 一定的结论。 (3)介绍了一种新颖 的 Hopfield 神经网络优化模型，该网络模型主要用于解 决非线性代数方程组的问题 ，它司 以实时在线生 成高阶非线性代数方程组的神经网 络模型设计原理 ，通过一个说明性的摹仿1]， 演示了该网络的设计过程。 1.4研究意义 神经网络中大量的 神经元集体的 、并行的活动及分布式处 理方式使其 能够在相 关领域得到期望的识别和优化结果，并 具有较快 的运算速度。网络强大的容错性 ， 使得它的部分神经元损坏后 ，也不会对整个系统的活动造成较大的影响，使得系统 的稳定性得到极大的增强。因此 ，神经网络特别适用于实时在线解决大规模线性系 统和非线性系统 。将优化方法 与智能算法结合起来进行 研究是一个同时具有理论意 义和 应用价值的重要课题。 本文主要研究了线性代数方程组、寄:式约束 二次规划和非线性代数方程组的神 经网络优化模型的设计原理和l方法，设计好的神 经网络优化棋型可 以对大规模线性 问题和二次规划问题实行实时在线控制 ，设计的电路棋型可 以直接生成问题的最优 解，而不需要对其进行计算 。文章得到了棋拟神经网络电路模型对应的离散形式， 给出了系统的收敛性条件和稳定性分析 ，为神经网络优化模型应用在数字系统提供 了理论基础 。 本文针对等式约束条件下的 二 次规划问题 ，采用 QR 直交 分解法 ，得到了 Hopfield 神经 网络优化模型的拓展形式 ，应用该方法得到 的神经网络结构 相对简单 ， 同 Lagrange 法得到 的神经网络模型相比 ，减少了将近 一半的神经元个数 。应用在实 际当中必将大大降低设备的戚本和 复杂性。 ?对应 的离散系统同样比其它系统 的复 杂性有明显的降低 。另外， 作者通过大量的 阅读和研究，在 前人研究的基础上，将 线性代数方程组 、二次规划和非线性代数方程组 三类数学优化问题整合在一起逝行 研究分析， 原因在于上述问题分别代 表最简单 的线性问题和非线性 问题。通过对这 三类 问题的研究 ，展现较 为系统的神经网络优化模型的设计原理和方法，为 Hopfield 神经网络优化模型解决更高阶次、更加 1复杂的非线性问题提供 一种理论基础和设计 思路。 2.优化算法概述 2.1 最优化方法概述 在实际工程中，怎样选择工程设计的参数，按照怎样的方案进行资源分配等问 题均属于最优化问题。在所有可能的方案中选出最合理的一种，以达到我们要求的 目标方案，该类问题被称为;最优化问题。 寻 找;最优解决方案的方法称为优化算法。 典型的优化问题包括求函数极值问题、卖货郎问题、加工调度问题等。 优化算法是基于某种思想和 l机制，通过 一定的途径或规 则来得到满足用户要求 的问题的解，它是一种搜索最优结果的过程或规则。它主要是运用数学方法研究实 际问题的优化途径及方案 ，以提供科学决策的依据。从数学语 言方面来表述 ，最优 化算法实质上就是求一 个一元函数或多元函数极值的方法或规则 。实践表明，随着 科学技术的日益进步和生 产经营的不断发展 ，最优化方法已逐渐成为现