بررسی یک مدل دینامیکی برای حل مسائل مینی ماکس درجه ی دوم مقید

شبکه های عصبی مصنوعی ابزار قدرتمندی برای محاسبه می باشد. یکی از کاربردهای مهم شبکه های عصبی استفاده آنها در حل مسائل بهنیه سازی است. حل مسائل بهینه سازی با استفاده از شبکه های عصبی نسبت به روش های کلاسیک از سرعت بالاتری برخوردار است.در این پایان نامه یک مدل جدید شبکه عصبی برای حل مسائل مینی ماکس درجه دوم تباهیده (dqm)ارائه شده است. با توجه به این واقعیت از نظریه بهینه سازی و پایداری لیاپانوف که نقطه تعادل شبکه عصبی پیشنهادی معادل جواب بهینهی مسئله dqm است, در اینجا نشان داده شده است که نقطه تعادل شبکه ی پیشنهادی دارای پایداری لیاپانوف است و همگرای سراسری به جواب دقیق مسئله اصلی است.