噪声鲁棒协作神经求解器

时变非凸全局寻优

融合进化计算与神经动力学的协作策略，在噪声干扰下也能稳定求解时变非凸优化问题。

Wei, Lin · 金龙

IEEE Transactions on Emerging Topics in Computational Intelligence 2024

技术优势

噪声下也能收敛

梯度神经求解器（GNSR）被证明在噪声扰动下收敛。

全局最优有保障

理论分析确保元启发式规则以概率1保证全局搜索的最优解。

兼得进化和梯度

协作方法融合进化计算和神经动力学的优势，遵循元启发式规则并利用鲁棒梯度求解。

应用场景

• 冗余机械臂操控优化：用于冗余机械臂操控度优化，提升运动灵活性。
• 机器人运动规划：用于机器人运动规划，在时变环境下求解最优路径。
• 时变系统优化控制：用于时变系统优化控制，提供抗噪声的实时求解器。