優(yōu)化問題神經網絡方法研究及實證分析.pdf

1、優(yōu)化問題涉及范圍廣，許多領域都存在大量形式多樣的優(yōu)化問題，解決優(yōu)化問題具有重要的現(xiàn)實意義。優(yōu)化問題是指在給定的約束條件下，求出使目標函數(shù)最優(yōu)化的變量組合問題。傳統(tǒng)的運籌學方法可以解一些簡單的優(yōu)化問題，但隨著問題的復雜化，許多問題都找不到最優(yōu)解，特別是組合優(yōu)化問題中的NP困難問題。 神經網絡作為一種智能化的方法，具有很強的自適應性、魯棒性和非線性復雜問題的搜索能力，在解決優(yōu)化難題上具有明顯的優(yōu)勢。本文的創(chuàng)新之處在于：從新的角度來研

2、究解決優(yōu)化問題的神經網絡方法，將優(yōu)化問題分為組合優(yōu)化問題和連續(xù)變量優(yōu)化問題兩大類，分別從這兩類優(yōu)化問題入手來研究解決這些問題的神經網絡方法。 本文首先探討了解決組合優(yōu)化問題的神經網絡方法，以TSP問題為例，主要研究Hopfield網絡和隨機神經網絡這兩種神經網絡。在研究隨機神經網絡過程中，引入DRNN網絡來解決TSP問題。最后，分別從理論研究和實證分析兩方面對比了Hopfield網絡和DRNN網絡在解TSP問題上的優(yōu)缺點。