10.3969/j.issn.1006-9348.2014.04.081
人工神经网络求解TSP问题的改进算法研究
在算法优化问题的研究中,旅行商问题(TSP)是组合优化领域里的一种描述简单而难以处理的NP完全难题,为解决Hopfield神经网络求解TSP问题时易出现无效解和收敛性能差的问题,提出一种对能量函数“行”、“列”项进行严格约束并在神经元动态方程中使用软限幅函数的改进算法.在参数优化方面进行了分析并选取了最优参数值,与经典Hopfield神经网络TSP求解方法进行比较.对10个城市仿真研究,实验结果表明:改进算法能使网络函数达到全局搜索从而避免无效解的产生,求得的最优解个数多于原始算法,迭代次数少且易达到有效解.
神经网络、能量函数、仿真
31
TP183(自动化基础理论)
国家支撑计划课题2012BAK17B07
2014-05-27(万方平台首次上网日期,不代表论文的发表时间)
共4页
355-358