• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >A Two-Timescale Duplex Neurodynamic Approach to Mixed-Integer Optimization
【24h】

A Two-Timescale Duplex Neurodynamic Approach to Mixed-Integer Optimization

机译：混合整数优化的双模双相神经动力学方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This article presents a two-timescale duplex neurodynamic approach to mixed-integer optimization, based on a biconvex optimization problem reformulation with additional bilinear equality or inequality constraints. The proposed approach employs two recurrent neural networks operating concurrently at two timescales. In addition, particle swarm optimization is used to update the initial neuronal states iteratively to escape from local minima toward better initial states. In spite of its minimal system complexity, the approach is proven to be almost surely convergent to optimal solutions. Its superior performance is substantiated via solving five benchmark problems.
机译：本文基于具有额外双线性平等或不等式约束的Biconvex优化问题重新制定，提出了一种两次时间段的双工神经动力学方法。该拟议方法采用两种经常性神经网络在两项时间尺度同时运行。另外，粒子群优化用于迭代地更新初始神经元状态，以逃离局部最小值，以更好的初始状态。尽管系统复杂性最小，但该方法被证明几乎肯定会收敛到最佳解决方案。通过解决五个基准问题，其优越的性能是证实。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号