Identifying non-binding constrints in linear programming problems using supervised learning neural networks

Thesis (M.Sc.)--Chulalongkorn University, 2004

Saved in:
Bibliographic Details
Main Author: Wanyok Atisattapong
Other Authors: Krung Sinapiromsaran
Format: Theses and Dissertations
Language:English
Published: Chulalongkorn University 2007
Subjects:
Online Access:http://cuir.car.chula.ac.th/handle/123456789/3486
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Chulalongkorn University
Language: English
id th-cuir.3486
record_format dspace
spelling th-cuir.34862007-12-21T10:36:38Z Identifying non-binding constrints in linear programming problems using supervised learning neural networks การระบุเงื่อนไขบังคับแบบนอนไบน์ดิงในปัญหากำหนดการเชิงเส้นโดยใช้โครงข่ายประสาทเทียมซึ่งมีการเรียนรู้แบบกำกับดูแล Wanyok Atisattapong Krung Sinapiromsaran Chulalongkorn University. Faculty of Science Linear programming Neural networks (Computer science) Non-binding constraints Thesis (M.Sc.)--Chulalongkorn University, 2004 This thesis proposed an approach for identifying non-binding constraints in a linear programming problem (LP). A supervised learning neural network 9NN) was applied in the prediction method. The inputs of neural network were composed of the coefficients of the objective function, the coefficients of the constraints and the right-hand-side constants of linear programming problems. For each target of neural network, it set to 1 fif the constraint was binding and O if the constraint was non-binding. We considered specifically the LP that has a unique optimal solution and fixed the problem size to m x n dimensions where n was varied from 2 to 4 and m was varied from n to n+2. Moreover, the back propagation (BP) algorithm was selected for training neural networks. The result of this research showed the accuracy of neural networks that identified non-binding constraint วิทยานิพนธ์นี้เสนอ วิธีการระบุเงื่อนไขบังคับแบบนอนไบน์ดิงในปัญหากำหนดการเชิงเส้น โดยนำโครงข่ายประสาทเทียมซึ่งมีการเรียนรู้แบบกำกับดูแล มาประยุกต์ใช้ในขั้นตอนการทำนายเงื่อนไขบังคับข้อมูลนำเข้าของโครงข่ายประสาทเทียมประกอบด้วย ค่าสัมประสิทธิ์ของฟังก์ชันจุดประสงค์ ค่าสัมประสิทธิ์ของเงื่อนไขบังคับ และค่าคงที่ทางขวามือของปัญหากำหนดการเชิงเส้น สำหรับค่าเป้าหมายในการเรียนรู้ของโครงข่ายประสาทเทียมจะกำหนดให้เป็น 1 เมื่อเงื่อนไขบังคับนั้นเป็นแบบไบน์ดิง และให้เป็น 0 เมื่อเงื่อนไขบังคับนั้นเป็นแบบนอนไบน์ดิง โดยงานวิจัยนี้จะพิจารณาเฉพาะปัญหากำหนดการเชิงเส้นที่มีผลเฉลยเพียงคำตอบ และมีขนาด m x n มิติ โดย n มีค่าตั้งแต่ 2 ถึง 4 และ m มีค่าตั้งแต่ n ถึง n+2 และเลือกใช้ขั้นตอนวิธีแบบแบคพรอพาเกชันในการฝึกสอนโครงข่ายประสาทเทียม ผลของงานวิจัยจะเสนอในรูปของเปอร์เซ็นต์ความถูกต้องในการทำนายเงื่อนไขบังคับแบบนอนไบน์ดิงของโครงข่ายประสาทเทียม 2007-03-23T09:49:31Z 2007-03-23T09:49:31Z 2004 Thesis http://cuir.car.chula.ac.th/handle/123456789/3486 en Chulalongkorn University 922451 bytes application/pdf application/pdf Chulalongkorn University
institution Chulalongkorn University
building Chulalongkorn University Library
country Thailand
collection Chulalongkorn University Intellectual Repository
language English
topic Linear programming
Neural networks (Computer science)
Non-binding constraints
spellingShingle Linear programming
Neural networks (Computer science)
Non-binding constraints
Wanyok Atisattapong
Identifying non-binding constrints in linear programming problems using supervised learning neural networks
description Thesis (M.Sc.)--Chulalongkorn University, 2004
author2 Krung Sinapiromsaran
author_facet Krung Sinapiromsaran
Wanyok Atisattapong
format Theses and Dissertations
author Wanyok Atisattapong
author_sort Wanyok Atisattapong
title Identifying non-binding constrints in linear programming problems using supervised learning neural networks
title_short Identifying non-binding constrints in linear programming problems using supervised learning neural networks
title_full Identifying non-binding constrints in linear programming problems using supervised learning neural networks
title_fullStr Identifying non-binding constrints in linear programming problems using supervised learning neural networks
title_full_unstemmed Identifying non-binding constrints in linear programming problems using supervised learning neural networks
title_sort identifying non-binding constrints in linear programming problems using supervised learning neural networks
publisher Chulalongkorn University
publishDate 2007
url http://cuir.car.chula.ac.th/handle/123456789/3486
_version_ 1681413613505478656