人工神經(jīng)網(wǎng)絡(luò)在TSP問題中的應(yīng)用研究.pdf

1、TSP問題一直是組合優(yōu)化中極富活力的研究課題之一。七十年代中期，計算復(fù)雜性理論的出現(xiàn)和數(shù)學(xué)規(guī)劃的發(fā)展大大推動了組合優(yōu)化的前進(jìn)。計算復(fù)雜性理論表明，被稱作NP完全問題的旅行推銷員問題以及其它類似的組合優(yōu)化問題在計算上是等價的。也就是說，不能用任何已知的多項式算法求解這種問題。從這個新發(fā)現(xiàn)可以看出：最優(yōu)化方法的能力是有限的，這使得研究人員不得不尋求更好的解決辦法。人工神經(jīng)網(wǎng)絡(luò)的發(fā)展為這一問題的解決提供了一種新的思路。 本文以Hopf

2、ield算法對求解TSP問題應(yīng)用分析，在已有的改進(jìn)算法基礎(chǔ)上，對Hopfield算法進(jìn)一步改進(jìn)。分析了Hopfield神經(jīng)網(wǎng)絡(luò)算法解決TSP問題的理論過程，在已有改進(jìn)算法的基礎(chǔ)上，提出了新的改進(jìn)，使得構(gòu)造神經(jīng)網(wǎng)絡(luò)的神經(jīng)元數(shù)目由n2個減少到(n-1)2個，簡化了網(wǎng)絡(luò)結(jié)構(gòu)，提高了算法效率，對于神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)有重要的意義。 有許多SOM算法已經(jīng)被應(yīng)用于求解TSP中，本文從仿真實驗的角度考察這種方法的實際應(yīng)用效果，另外，我們還對SO