A neural network model for nonlinear complementarity problems
Autor: | Hevert Vivas, Rosana Pérez, A Favián Arenas |
---|---|
Jazyk: | Spanish; Castilian |
Rok vydání: | 2016 |
Předmět: |
Strategy and Management
Stability (learning theory) nonlinear complementarity problem Exponential stability Convergence (routing) Media Technology Applied mathematics General Materials Science Nonlinear complementarity problem Red neuronal Marketing Lyapunov stability problema de complementariedad no lineal Artificial neural network reformulación lcsh:Mathematics estabilidad stability lcsh:QA1-939 Neural network reformulation Geography Complementarity theory Nonlinear complementarity Cartography |
Zdroj: | Revista Integración, Volume: 34, Issue: 2, Pages: 169-185, Published: DEC 2016 Revista Integración, Vol 34, Iss 2, Pp 169-185 (2016) Revista Integración, Vol 34, Iss 2 (2016) |
Popis: | Resumen. En este artículo presentamos un modelo de red neuronal para resolver el problema de complementariedad no lineal. Para ello, reformulamos este problema como uno de minimización sin restricciones usando una familia uniparamétrica de funciones de complementariedad. Demostramos resultados de existencia y convergencia de la trayectoria de la red neuronal, así como resultados de estabilidad en el sentido de Lyapunov, estabilidad asintótica y exponencial. Además, presentamos resultados numéricos preliminares que ilustran un buen desempeño práctico del modelo. Abstract. In this paper we present a neural network model for solving the nonlinear complementarity problem. This model is derived from an equivalent unconstrained minimization reformulation of the complementarity problem, which is based on a one-parametric class of nonlinear complementarity functions. We establish the existence and convergence of the trajectory of the neural network, and we study its Lyapunov stability, asymptoticstability as well as exponential stability. Numerical tests verify the obtained theoretical results. |
Databáze: | OpenAIRE |
Externí odkaz: |