1、神經動力學優(yōu)化理論因其具有高效的、實時求解最優(yōu)化問題的特性，而受到眾多學者的廣泛關注。目前，學者們已經構造了各種各樣的神經網絡來求解優(yōu)化問題，尤其是凸優(yōu)化問題。根據自變量所在數域的不同，優(yōu)化問題可以分為復數域上的優(yōu)化問題（簡稱“復優(yōu)化問題”）和實數域上的優(yōu)化問題（簡稱“實優(yōu)化問題”）。本文將分別構造兩個單層神經網絡來求解這兩類問題。
　　針對復優(yōu)化問題，傳統(tǒng)的求解辦法是分離實虛部法，將復優(yōu)化問題轉換為求解實值優(yōu)化問題。但該方法存在

2、很多弊端，例如，增大原優(yōu)化問題維數，破壞原有信息結構問題等。因為復數域內的實值函數是非解析的，而函數的導數信息在求解優(yōu)化問題中占有重要地位，所以求解實值優(yōu)化問題的神經動力學方法不能直接用來求解復優(yōu)化問題。為了克服這一困難，本文構造了一個結構簡單的單層復值神經網絡。該復值神經網絡的狀態(tài)解在有限時間內進入到可行域，且最終收斂到復優(yōu)化問題的一個最優(yōu)解。最后，利用該復值神經網絡求解復值矩陣的Moore-Penrose逆，以此說明相關結論的有效性