1、最優(yōu)控制、模式識(shí)別以及圖像處理等應(yīng)用是自然和工程領(lǐng)域中常遇到的優(yōu)化問題。數(shù)值計(jì)算的方法是傳統(tǒng)上用來解決線性或非線性規(guī)劃問題的一般方法，但由于其計(jì)算解的時(shí)間復(fù)雜度依賴于問題的維數(shù)與結(jié)構(gòu)，因而往往無法滿足實(shí)時(shí)的要求。神經(jīng)網(wǎng)絡(luò)由于具有快速的收斂性和計(jì)算能力，可用于求解優(yōu)化問題的實(shí)時(shí)解。因此，神經(jīng)網(wǎng)絡(luò)是求解優(yōu)化問題實(shí)時(shí)解的一個(gè)行之有效的方法。
　　最近幾十年，用神經(jīng)網(wǎng)絡(luò)解決來優(yōu)化問題得到了廣泛的發(fā)展，特別是對(duì)于非光滑（非）凸優(yōu)化問題，然而

2、這些優(yōu)化問題都是建立在Clark廣義梯度基礎(chǔ)上，也就是說所求優(yōu)化問題必須滿足李普西茨優(yōu)化條件。然而，在現(xiàn)實(shí)生活中，并不是所有應(yīng)用問題的目標(biāo)函數(shù)都滿足這個(gè)條件，為了使神經(jīng)網(wǎng)絡(luò)的應(yīng)用更具有普遍性，本文特對(duì)非李普西茨優(yōu)化問題的神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究，具體內(nèi)容如下:
　　本文首先針對(duì)目標(biāo)函數(shù)是非李普西茨，可行域由非線性不等式組成的優(yōu)化問題，通過微分包含理論和光滑逼近技術(shù)，構(gòu)造了一種新的神經(jīng)網(wǎng)絡(luò)模型。通過詳細(xì)的理論分析證明了解的全局性、有界性，

3、以及所建光滑神經(jīng)網(wǎng)絡(luò)的任意聚點(diǎn)是原始優(yōu)化問題的穩(wěn)定點(diǎn)等重要結(jié)論。
　　其次，針對(duì)目標(biāo)函數(shù)是非李普西茨，可行域由線性不等式組成的優(yōu)化問題，通過微分包含理論和光滑逼近技術(shù)，建立一種能解決非李普西茨優(yōu)化問題的新型網(wǎng)絡(luò)模型。該神經(jīng)網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)和優(yōu)化問題的決定變?cè)獋€(gè)數(shù)相同。通過詳細(xì)嚴(yán)謹(jǐn)?shù)睦碚摲治?，證明了只要模型中的懲罰因子大于某個(gè)數(shù)，那么該神經(jīng)網(wǎng)絡(luò)解具有有界性、全局性，其狀態(tài)向量能于有限時(shí)間收斂到可行域里，并且到達(dá)后其運(yùn)動(dòng)軌跡永遠(yuǎn)存留在