刘开健,何碧贵,毛安定,孙幸福
(1.长江大学 电子信息学院,湖北 荆州434023;2.重庆电子工程职业学院,重庆401331;3.中国人民解放军77538部队政治处,西藏拉萨850000)
噪声混沌神经网络在TSP中的应用研究
刘开健1,何碧贵2,毛安定3,孙幸福3
(1.长江大学 电子信息学院,湖北 荆州434023;2.重庆电子工程职业学院,重庆401331;3.中国人民解放军77538部队政治处,西藏拉萨850000)
分析了NCNN(噪声混沌神经网络)模型的几个重要参数对系统性能的影响,并对其进行了优化。仿真结果表明,优化的算法能成功解决旅行商问题,比传统的依靠经验选择参数的方法更有效,在收敛速度同解的质量之间取得了很好的折中。
NCNN;TSP;收敛速度;解的质量
TSP是一个典型的NP-hard(非确定性多项式)完全问题,自从1985年 Hopfield和Tank用 Hopfield人工神经网络(HNN)对其进行有效求解以来[1],人工神经网络被认为是解决复杂组合优化问题的有效方法之一[1-4]。但HNN在稳健性、优化率以及收敛速度等方面仍然存在许多问题,因此,人们提出了许多改进方法。Wang等综合了随机模拟退火(SSA)和混沌模拟退火(CSA)算法的优点,提出了一种新的随机混沌模拟退火(SCSA)算法,即噪声混沌神经网络[2]。该算法具有十分复杂的混沌动力学特点,利用其遍历性和随机性进行搜索,同时引入随机噪声,再由退火策略控制混沌动态和噪声逐渐消失,保证网络能有效收敛和跳出局部最优,从而找到最优解。该算法的参数设置非常灵活,不同的优化问题具有不同的权重因子,因此,本文就NCNN的参数设置问题进行探讨和优化。……