شبکه عصبی بازگشتی برای حل مسائل بهینه سازی غیرخطی

برای حل مسائل بهینه سازی روشهای عددی فراوانی وجود دارد ، اما هنگامی که بعد و ساختار مسائل بهینه سازی افزایش می یابند ، بیشتر این روشها کارایی خود را از دست می دهند. در این حالت یک رهیافت امیدوار کننده استفاده از شبکه های عصبی مصنوعی می باشد. برای به دست آوردن همگرایی سریع و کاهش دادن خطا یک ویژگی مهم برای شبکه های عصبی ، همگرایی نمایی سراسری می باشد.داشتن یک حالت تعادل یکتا که پایدار نمایی سراسری باشد برای شبکه های عصبی مفید است.در این رساله مفهوم پایداری نمایی سراسری را توضیح دادیم. در این رساله یک شبکه عصبی بازگشتی برای حل مسائل برنامه ریزی محدب غیر خطی با قیدهای نا مساوی غیر خطی را مورد بررسی قرار می دهیم، با این شرط که تابع هدف محدب است وتوابع قیدها اکیدا محدب اند و یا تابع هدف اکیدا محدب و تابع قید محدب است و نشان می دهیم که شبکه عصبی پیشنهادی پایدار به معنی لیاپانف و همگرا سراسری به یک راه حل دقیق بهینه می باشد.