摘要：有些優(yōu)化問題中的目標(biāo)函數(shù)或者約束函數(shù)是分段函數(shù),該類函數(shù)不具有連續(xù)性和可微性,也即不符合非線性規(guī)劃問題求解的最優(yōu)性條件,因而傳統(tǒng)的梯度類算法難以求解此類優(yōu)化問題。利用神經(jīng)網(wǎng)絡(luò)較強的非線性映射能力,結(jié)合最小二乘法可以進(jìn)行曲線擬合的特點,提出一種將分段函數(shù)處理成具有連續(xù)而且可微性的函數(shù)的方法。最后進(jìn)行實例驗證,并進(jìn)行誤差分析,結(jié)果表明該方法處理得出的連續(xù)且可微的函數(shù)對分段函數(shù)的逼近精度較高,可以利用該函數(shù)進(jìn)行優(yōu)化求解。