ارائه دو روش برای حل مسائل بهینه سازی محدب و نامحدب ناهموار

در این مقاله، مسئله بهینه سازی مقید با دو دسته قیود در نظر گرفته شده است. در بخش اول این مقاله، تابع هدف ناهموار و محدببوده و همه قیود محدب ناهموار فرض شده اند. در روش اول، ترکیبی از روش جریمه (مریسون) با روش بهینه سازی نامقید نلدرمید ارائهمی شود. این روش کارایی بالایی نسبت به روش های مشابه داشته و در عین حال پیاده سازی آن نیز آسانتر است. در بخش دوم روشی برایحل مسائل نامحدب و ناهموار ارائه شده است. در این روش، از توابع هموارساز و گرادیان های تعمیم یافته استفاده می شود. درروش مذکور،تابع هدف به یک تابع محدب و هموار تبدیل شده و قیود ناهموار نیز هموار می شوند. در این روش بجای پارامتر جریمه در مقاله بایان از یکسرعت همگرایی افزایش می یابد. برتری شبکه کنترل کننده استفاده می کنیم. با بکارگیری این کنترل کننده محاسبات عملیاتی کمتر شده و عملاعصبی بازگشتی پیشنهادی این است که در بسیاری از حالت ها، به ازای نقاط اولیه خارج از ناحیه شدنی نیز جواب بهینه حاصل می شود.

کلیدواژه ها:

بهینه سازی ناهموار ، شبکه عصبی مصنوعی ، بهینه سازی نامحدب