عنوان پایان‌نامه

مدل سازی شبکه های عصبی برای حل مسایل برنامه ریزی غیرخطی



    دانشجو در تاریخ ۲۱ اردیبهشت ۱۳۹۳ ، به راهنمایی ، پایان نامه با عنوان "مدل سازی شبکه های عصبی برای حل مسایل برنامه ریزی غیرخطی" را دفاع نموده است.


    رشته تحصیلی
    ریاضی‌ کاربردی‌
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس علوم شماره ثبت: 5299;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 62753
    تاریخ دفاع
    ۲۱ اردیبهشت ۱۳۹۳

    هدف اصلی این پایان‌نامه مطالعه‌ی کاربردی شبکه‌های عصبی بازگشتی و دستگاه‌های دینامیکی ، وارتباط آن‌ها با حل مسائل بهینه‌سازی غیرخطی است. پس از بررسی مقدماتی از بهینه‌سازی و دستگاه‌های دینامیکی در فصل اول ، مطالعه‌ی اندکی روی تعریف شبکه‌های عصبی و انواع آن‌ها داریم و سپس روش‌هایی کلی را برای حل یک مسئله به کمک شبکه‌های عصبی ارائه می‌کنیم. این روش‌ها در قسمت‌های بعدی پایان‌نامه برای حل مسائل بهینه‌سازی مختلف مانند بهینه‌سازی خطی ، بهینه‌سازی با محدودیت‌های خطی و در حالت کلی بهینه‌سازی غیرخطی، استفاده می‌شوند. برای هر یک از این مسائل ، یک یا چند نوع شبکه عصبی ارائه شده‌است. در فصل پنجم نیز با ارائه مثال‌های متنوعی به بررسی عددی این شبکه‌های عصبی می‌پردازیم. این مثال‌ها با استفاده از نرم‌افزار MATLAB R2013a‎ برنامه‌نویسی و حل شده‌اند. موجودی فیزیکی: ‎
    Abstract
    The aim of this work is studying Recurrent Neural Networks and Dynamical Systems, with their relations with Nonlinear Optimization. After presenting some preliminaries to Optimization and Dynamical Systems theory in the first chapter, we study Neural Networks briefly in the second one. Then, we investigate some general methods to solve problems with them. These methods will be used in the subsequent chapters to solve Linear Optimization, Optimization with Linear Constraints and in general case Nonlinear Optimization problems. For each of which, we propose one or several Neural Networks. The fifth chapter is devoted to various types of numerical examples, to demonstrate how the proposed nueral network in the previuos chapters can solve Optimization problems. Besides, the codes required for solving the examples are written by MATLAB R2013a.