基于Hopfield网络的TSP路径优化研究.pdf

基于Hopfield网络的TSP路径优化研究.pdf

ID:55398585

大小:140.24 KB

页数:3页

时间:2020-05-15

基于Hopfield网络的TSP路径优化研究.pdf_第1页
基于Hopfield网络的TSP路径优化研究.pdf_第2页
基于Hopfield网络的TSP路径优化研究.pdf_第3页
资源描述:

《基于Hopfield网络的TSP路径优化研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第31卷第6期(下)赤峰学院学报(自然科学版)Vo1.3lNo.62015年6月JournalofChifengUniversity(NaturalScienceEdition)Jun.2015基于Hopfield网络的TSP路径优化研究王颖(哈尔滨远东理工学院,黑龙江哈尔滨150025)摘要:旅行商问题(TravelingSalesmanProblem,简称TSP)可以被描述为:一名推销员必须遍访N个城市,N个城市之间距离为已知.并且每个城市推销员只能访问一次,最后必须回到始发城市.怎样安排推销员在这些城市间的访问顺序,从而求解出他的最短旅行路线总长度.组合优化问题中的

2、一个典型就是旅行商问题,尤其是当N为很大数目时,计算量太大,常规方法无法完全进行求解.用常规方法和现有计算工具在繁杂的搜索空间中寻求最优解,实现起来存在着诸多的计算困难.为了解决计算困难这个问题,引入Hopfield网络的优化能力可以很轻松地解决这类问题.本文基于Hopfield网络求得经典组合优化问题(TSP)的最优解.开创了优化问题求解的新方法.关键词:旅行商问题(TSP);Hopfield网络;优化中图分类号:TP393.01文献标识码:A文章编号:1673—260X(2015)06—0031—03组合优化问题中的一个典型就是旅行商问题(TsP),其表1中是一个4X

3、4二维矩阵,矩阵中每行每列只有一可能的城市数目N和路径数目呈指数型增长,由于计算量个元素为1,其余均为0,否则路径是无效的.神经元(x,i)的太大,常规方法无法求解出最优解,所以针对旅行商问题输出用Vxi表示,神经元(x,i)的输入用Uxi表示.如果城市x(P)寻找有效的近似求解算法具有非常重要的理论意义.在i位置上被访问,则Vxi=l,否则Vxi=0.另外,现今可以将很多实际应用问题进行简化处理,处理后针对TSP问题,Hopfield宣言了如下形式的能量函数:的结果均可用旅行商问题(TSP)进行表示,因而对旅行商问E_-AEZV~v,+BZZZV~V~;题(P)求解方法

4、的研究具有重要的应用价值.NN一1求解TSP问题的Hopfield网络设计+孚(∑∑v一N)。、1ilTSP问题是在一个城市集合{A,B。,C⋯··}中找出一个最短路径,该路径必须经过并只经过每个城市一次,最终+_D_l∑∑∑d(。+v1)(1.1)回到起点的路径的方法.Hopfield采取了换位矩阵的表示方公式1.1中A,B,C,D是权值,d表示城市x到城市y法,从而将TSP问题映射为一个神经网络的动态过程,用之间的距离.1llN×N矩阵表示旅行商访问N个城市.I】例如,有四个城市公式1.1中,E的前三项用于约束问题,最后一项用于{A,B,C,D},旅行商访问的路线是B

5、c_cAc__+DB,优化目标.E的第一项用于保证矩阵v的每一行1的个数则Ho胡eld网络输出所代表有效解用下面的二维矩阵表表>=0且<=1时E最小(即每个城市只去一次),E的第二项1进行表示。保证矩阵v的每一列1的个数>:0且<:1时E最小(即每表1四个城市的访问路线次只访问一个城市),E的第三项保证矩阵v中的1的个数恰好为N时E最小.在神经网络中引入Hopfield能量函数的概念,从而产生新的方法进行求解优化问题.但新方法在求解上仍然存在一些不足,如局部极小、不稳定等问题.为此,将TSP的能量一31—函数定义为:路径坐标为:E:AN)+耋一·)0.1O.1O.90.5

6、0.90.1+∑∑∑dv(1.2)x:1v=1i=10.450.9取式1.2,Hopfield网络的动态方程为:0.90.8=熹⋯(i耋V)0.7O.90.10.45N、N-A(,V·)-Dd-(1I)0.450.12采用Hopfield网络求解TSP问题的算法如果初始化的寻优路径有效,即路径矩阵中每行每列采用Hopfield网络求解TSP问题的算法描述如下:只有一个元素为1,其余均为O,则给出最后的优化路径,否(1股置初始值,t=0,A=I.5,D=I.0,=50;则停止优化,需要重新运行优化程序.如果本次寻优路径(2)计算N个城市之间的距离d(x,y=l,2,⋯,N)

7、;,有效,经过2000次迭代,最优能量函数为FinalE=1.4468,(3)在0附近设置神经网络输入Uxi(t)F~J初始化数值;初始路程为Initial_Length=4.1419,最终路程为Final_Length-(4)根据动态方程(1.3)计算};-2.8937.仿真中取M=2时,对2O个城市的路径进行优化,城市(5)采用一阶欧拉法计算Uxi(t+1)路径坐标为:Uxi(t+1)=u菇(I)+dU~AT(1.4)dtO.10.1(6)~JT保证收敛于正确解,HP矩阵V每行每列只有一O.90.5个元素为1,其余为0,应

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。