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 هدف مشتق پذیر پیوسته و قیود بازه ای ارائه می دهد. شبکه ی ارائه شده یک شبکه ی عصبی بازگشتی تک لایه است و در آن از روش تصویر گرادیان استفاده می شود. دو ویژگی مهم کامل بودن و همگرایی سراسری شبکه ی طراحی شده به اثبات می رسد. کاربردهای مختلف برنامه ریزی کسری در سه مسئله از نظریه ی اطلاعات، پردازش نوری اطلاعات و برنامه ریزی اقتصاد کلان بررسی می شوند. دو مثال با نتایج محاسباتی نیز برای نشان دادن همگرایی سراسری و عملکرد مناسب شبکه ی عصبی طراحی شده برای حل مسائل برنامه ریزی کسری غیرخطی با قیود بازه ای ارائه می شوند.