Solving mathematical programs with vanishing constraints using a gradient-based neural network model

doi:10.1016/j.matcom.2025.07.065

Solving mathematical programs with vanishing constraints using a gradient-based neural network model

2025-08-08

0

PRE

AI

DOI：10.1016/j.matcom.2025.07.065

原文链接

原文求助

摘要

En 中文

本文中，应用了一种基于梯度的神经网络模型，成功确定了一类称为“约束消失的数学规划”（MPVC）的非线性优化问题的解。首先，采用平滑和正则化技术将原始MPVC问题转化为一个平滑且松弛的非线性优化问题。然后，通过利用惩罚函数方法和基于梯度的神经网络模型，估计了转化后非线性问题的最优解。所提出的模型结构简单且计算成本低。对神经网络的理论研究表明，所建议网络的平衡点是渐近稳定的，并且收敛于原始MPVC的最优解。仿真结果为理论分析提供了额外证据，并证实了所建议网络的计算效率。

Keyword:

gradient-based neural network

Mathematical Programs with Vanishing Constraints

smoothing and regularization

penalty function method

asymptotic stability

Solving mathematical programs with vanishing constraints using a gradient-based neural network model

摘要

期刊

机构