基于BP神经网络的分段函数连续优化处理

摘要：有些优化问题中的目标函数或者约束函数是分段函数,该类函数不具有连续性和可微性,也即不符合非线性规划问题求解的最优性条件,因而传统的梯度类算法难以求解此类优化问题。利用神经网络较强的非线性映射能力,结合最小二乘法可以进行曲线拟合的特点,提出一种将分段函数处理成具有连续而且可微性的函数的方法。最后进行实例验证,并进行误差分析,结果表明该方法处理得出的连续且可微的函数对分段函数的逼近精度较高,可以利用该函数进行优化求解。