Applications of the general projection neural network in solving extended linear-quadratic programming problems with linear constraints
Applications of the general projection neural network in solving extended linear-quadratic programming problems with linear constraints
复制标题
通用投影神经网络在求解线性约束扩展线性二次规划问题中的应用
DOI：
10.1016/j.neucom.2008.02.016
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Hu, Xiaolin
中科院分区：
文献类型：
--
作者：
Hu, Xiaolin
扩展线性二次规划（ELQP）是传统线性规划和二次规划的扩展，出现在许多动态和随机优化问题中。现有的神经网络方法仅限于解决有界约束的ELQP问题。本文考虑用递归神经网络求解一般多面体集的ELQP问题。为此，研究了文献中现有的神经网络，称为一般投影神经网络（GPNN）。此外，基于不同类型的约束，采用不同的方法来降低所设计的gpnn的维数，从而降低其结构复杂性。所设计的gpnn在Lyapunov意义上是稳定的，并且在温和条件下全局收敛于ELQP问题的解。数值模拟验证了结果。
Extended linear-quadratic programming (ELQP) is an extension of the conventional linear programming and quadratic programming, which arises in many dynamic and stochastic optimization problems. Existing neural network approaches are limited to solve ELQP problems with bound constraints only. In the paper, I consider solving the ELQP problems with general polyhedral sets by using recurrent neural networks. An existing neural network in the literature, called general projection neural network (GPNN) is investigated for this purpose. In addition, based on different types of constraints, different approaches are utilized to lower the dimensions of the designed GPNNs and consequently reduce their structural complexities. All designed GPNNs are stable in the Lyapunov sense and globally convergent to the solutions of the ELQP problems under mild conditions. Numerical simulations are provided to validate the results.
登录
查看更多内容
影响因子：
--
作者：
Xiaolin Hu;Jun Wang
通讯作者：
Xiaolin Hu;Jun Wang
DOI：
--
发表时间：
2000
期刊：
Control theory & applications
影响因子：
--
作者：
Tao Qing;Fang Ting-jian
通讯作者：
Tao Qing;Fang Ting-jian
影响因子：
8
作者：
Yongqing Yang;Jinde Cao
通讯作者：
Yongqing Yang;Jinde Cao
影响因子：
6
作者：
R. Hecht-Nielsen
通讯作者：
R. Hecht-Nielsen
DOI：
--
发表时间：
2000-09
期刊：
--
影响因子：
--
作者：
F. Ham;I. Kostanic
通讯作者：
F. Ham;I. Kostanic