论文部分内容阅读
提出了一个新的递归神经网络模型,目标是解决一类带等式与不等式约束的非光滑非凸优化问题.证明了当可行域有界时,递归神经网络能在有限时间内收敛到可行域,并且能最终收敛到优化问题的一个关键点.并针对一般的递归神经网络在解决非凸优化问题过程中容易陷入局部最优解的情况,本文的递归神经网络扩展为暂态混沌神经网络,能通过混沌遍历收敛到优化问题的全局最优点.最终通过实验验证了提出模型的有效性和全局寻优能力.