شبکه عصبی بازگشتی برای حل مسائل بهینه سازی غیرخطی
پایان نامه
- دانشگاه تربیت معلم - سبزوار - دانشکده علوم پایه
- نویسنده سعیده زنوزی زاده
- استاد راهنما ابوالفضل علوی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1388
چکیده
برای حل مسائل بهینه سازی روشهای عددی فراوانی وجود دارد ، اما هنگامی که بعد و ساختار مسائل بهینه سازی افزایش می یابند ، بیشتر این روشها کارایی خود را از دست می دهند. در این حالت یک رهیافت امیدوار کننده استفاده از شبکه های عصبی مصنوعی می باشد. برای به دست آوردن همگرایی سریع و کاهش دادن خطا یک ویژگی مهم برای شبکه های عصبی ، همگرایی نمایی سراسری می باشد.داشتن یک حالت تعادل یکتا که پایدار نمایی سراسری باشد برای شبکه های عصبی مفید است.در این رساله مفهوم پایداری نمایی سراسری را توضیح دادیم. در این رساله یک شبکه عصبی بازگشتی برای حل مسائل برنامه ریزی محدب غیر خطی با قیدهای نا مساوی غیر خطی را مورد بررسی قرار می دهیم، با این شرط که تابع هدف محدب است وتوابع قیدها اکیدا محدب اند و یا تابع هدف اکیدا محدب و تابع قید محدب است و نشان می دهیم که شبکه عصبی پیشنهادی پایدار به معنی لیاپانف و همگرا سراسری به یک راه حل دقیق بهینه می باشد.
منابع مشابه
طراحی یک مدل شبکه ی عصبی برای حل مسائل بهینه سازی غیرخطی با کاربردهای زمان-پیوسته
در این پایان نامه یک مدل شبکه ی عصبی مصنوعی برای حل مسائل بهینه سازی غیرخطی باقیود خطی ارائه شده است. با به کارگیری این مدل در الگوریتم بازسازی تصویر می توان کیفیت تصاویر دارای اغتشاش را بهبود بخشید. تحلیل پایداری و همگرایی سراسری مدل ارائه شده به تفصیل اثبات می گردد.به علاوه مثال های شبیه سازی شده به منظور نشان دادن کارایی آن اورده شده است.
شبکه عصبی بازگشتی برای حل رده ای از مسایل بهینه سازی نامحدب
در این پایان نامه یک شبکه عصبی برای حل مسایل بهینه سازی نامحدب پیشنهاد می دهیم. ابتدا مساَله بهینه سازی نامحدب را در همسایگی جواب بهینهء با روش توانp به یک مساَله بهینه سازی محدب تبدیل می کنیمء سپس یک سیستم دینامیکی برای حل مساَله تغییریافته ارایه می دهیم. در این جا نشان می دهیم تناظر یک به یک بین نقاط تعادل سیستم دینامیکی و جواب بهینه مسأله معادل یا جواب بهینه مسأله اصلی وجود دارد. سر انجام چند م...
15 صفحه اولحل رده ای از مسائل بهینه سازی غیرخطی با استفاده از شبکه های عصبی
طیف گسترده ای از مسائل علوم و مهندسی می توانند به صورت مسائل بهینه سازی غیرخطی فرمول بندی شوند. یک رهیافت امیدوار کننده برای حل مسائل بهینه سازی غیرخطی با بعد بالا، به کارگیری شبکه های عصبی مصنوعی است. در این پایان نامه سه مدل شبکه عصبی برای حل مسائل بهینه سازی غیرخطی معرفی می کنیم. اولین مدل می تواند مسائل برنامه ریزی غیرخطی محدب با محدودیت های تساوی و نامساوی را حل نماید. مدل دوم برپایه تاب...
یک شبکه ی عصبی بازگشتی تک لایه برای حل مسائل برنامه ریزی درجه ی دوم
در این پایان نامه یک شبکه ی عصبی بازگشتی برای حل مسائل برنامه ریزی درجه ی دوم محدب اکید و معادلات قطعه ای خطی پیشنهاد می شود .
طراحی یک شبکه ی عصبی بازگشتی برای حل برنامه ریزی کسری غیرخطی
روش شبکه ی عصبی می تواند مسائل بهینه سازی را سریع تر از متداول ترین الگوریتم های بهینه سازی حل کند. ارائه ی یک شبکه ی عصبی بازگشتی برای حل برنامه ریزی خطی توسط تانک و هاپفیلد برای بسیاری از محققین الهام بخش بود تا آنها به دنبال شبکه های عصبی دیگری برای حل مسائل برنامه ریزی خطی و غیرخطی باشند. این پایان نامه یک مدل شبکه ی عصبی بازگشتی با پیوستگی زمانی برای حل برنامه ریزی کسری غیرخطی با هر تابع ...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
دانشگاه تربیت معلم - سبزوار - دانشکده علوم پایه
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023