一种解决受约束的非光滑伪凸优化问题的新型神经网络方法

摘要 非光滑伪凸优化问题涉及科学与工程应用的诸多领域,是非光滑凸优化问题的扩展,同时也是一种特殊的非凸优化问题,具有十分重要的研究价值.针对这类问题,提出了一种基于微分包含的新型神经网络模型,用来解决带有等式与不等式约束的非光滑伪凸优化问题.通过严谨的理论分析证明新型神经网络的轨迹可以在有限时间内进入到可行域,且最终会收敛于原始优化问题的最优解,最后通过仿真实验的方式验证新型神经网络的有效性与准确性.与现有神经网络相比,新型神经网络具有以下优势:避免预先计算任何的精确惩罚因子,降低计算复杂度;初始点可以取实数空间任意有效值,不受限制;模型结构相对简单