论文部分内容阅读
本文研究了人工神经网络在数值优化中的应用，针对不同类型的问题构建了相应的神经网络模型。对于无约束优化问题，给出了BFGS和PRP神经网络模型和数值试验。此外，还第一次将“障碍函数”法的基本思想，结合Lagrange乘子法，构造出求解无约束优化问题的神经网络模型。数值试验的结果表明，与已有的网络模型相比，本文给出的模型有更好的效果，而且对目前研究得比较少的非线性最优化问题也有很好的结果。
文章分为三个部分。
第一节，简单地介绍了人工神经网络的特点和结构；
第二节，简单地介绍了传统的数值优化方法；
第三节，基于传统的数值优化方法，对各种不同问题我们给出了相应的人工神经网络求解模型，并且对每个模型通过数值实验来显示它们的实际运行效果。