يك شبكه عصبي اصلاح شده كارا براي حل مسايل برنامه‌ريزي غيرخطي با محدوديت‌هاي هيبريدي

An efficient modified neural network for solving nonlinear programming problems with hybrid constraints

يك مدل شبكه عصبي كارا براي حل يك مساله بهينه‌‌سازي غيرخطي با محدوديت­هاي هيبريدي ارايه مي­شود. بر مبناي شرايط بهينگي كاروش-كان-تاكر و مفاهيمي از آناليز محدب و بهينه‌سازي، ابتدا يك مدل شبكه ارايه مي­شود. ثابت مي‌شود كه مدل شبكه عصبي ارايه شده پايدار لياپانف بوده و همگراي سراسري به جواب مساله بهينه‌‌سازي اصلي مي­باشد. با ارايه چندين مثال عددي، كارايي مدل ارايه شده براي حل مساله بهينه‌‌سازي با محدوديت­‌هاي هيبريدي نشان داده مي‌شود.

This paper presents the optimization techniques for solving convex programming problems with hybrid constraints. According to the saddle point theorem, optimization theory, convex analysis theory, Lyapunov stability theory and LaSalleinvariance principle, a neural network model is constructed. The equilibrium point of the proposed model is proved to be equivalent to the optimal solution of the original problem. It is also shown that the proposed network model is stable in the Lyapunov sense and it is globally convergent to an exact optimal solution of the original problem. Several practical examples are provided to show the feasibility and the efficiency of the method.