الهه توکل - دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس
سید محمد حسینی - عضو هیئت علمی، دانشگاه تربیت مدرس

در این مقاله یک روش شبکه عصبی بدون حضور پارامتر جریمه و بر پایه روش های هموار ساز و محدب ساز برای حل دسته ای از مسائل بهینهسازی ناهموار نامحدب ارائه می شود که در آن ها تابع هدف لزوماً هموار یا محدب نمی باشد و توابع حاضر در قیود محدب و لزوماً هموار نمیباشند. این روش شبکه عصبی دارای چند ویژگی مهم می باشد ا، ولاً به علت عدم نیاز به انجام محاسبات زمان بر مربوط به پارامتر جریمه، هزینهمحاسباتی تا حد زیادی کاهش و سرعت همگرایی به جواب بهینه افزایش می یابد و به علاوه چون تقریب نادقیق پارامتر جریمه ممکن است به بدحالتی یا واگرایی منجر شود، عدم حضور این پارامتر در این روش حساسیت جواب به این پارامتر را از بین می برد. ثانیاً به علت بناگذاری شبکهعصبی بر پایه معادله دیفرانسیل، نیازی به حل شمول دیفرانسیل نمی باشد و ثالثاً در این روش نیازی به شدنی بودن نقطه آغازین نمی باشد. در اینمقاله، با ارائه نتایج و مقایسات عددی حاصل از پیاده سازی الگوریتم متناظر به این روش شبکه عصبی، کارآیی این روش از لحاظ کاهش هزینهمحاسباتی و افزایش سرعت همگرایی به جواب بهینه، نشان داده می شود

بهینه سازی ناهموار نامحدب، شبکه عصبی، پارامتر جریمه، روش هموارساز، روش محدب ساز