| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10-13页 |
| 1.1.1 神经网络在优化计算中的发展 | 第10-13页 |
| 1.2 神经网络优化计算研究现况 | 第13-15页 |
| 1.3 课题研究意义 | 第15页 |
| 1.4 论文研究内容 | 第15页 |
| 1.5 论文组织结构 | 第15-17页 |
| 第二章 相关基础理论知识 | 第17-25页 |
| 2.1 基础知识简介 | 第17-18页 |
| 2.2 传统拉格朗日神经网络解决优化问题 | 第18-21页 |
| 2.2.1 等式约束优化问题 | 第18-20页 |
| 2.2.2 不等式约束优化问题 | 第20-21页 |
| 2.3 微分包含 | 第21-23页 |
| 2.4 递归神经网络 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 双增广拉格朗日神经网络解决非光滑非凸优化问题 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 优化问题及神经网络模型 | 第25-27页 |
| 3.2.1 优化问题 | 第25-26页 |
| 3.2.2 神经网络模型构建 | 第26-27页 |
| 3.3 主要定理及证明 | 第27-31页 |
| 3.3.1 相关的定义和引理 | 第27-31页 |
| 3.4 实验仿真 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 非固定罚因子递归神经网络解决非光滑非凸优化问题 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 优化问题及拉格朗日神经网络模型 | 第36-37页 |
| 4.2.1 原始优化问题 | 第36-37页 |
| 4.3 主要定理及证明和收敛性分析 | 第37-43页 |
| 4.4 仿真实验 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 主要工作总结 | 第47页 |
| 5.2 下一步改进工作 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56页 |