Hopfield人工神经网络求解TSP问题（附论文）
4星 · 超过85%的资源 需积分: 0 73 浏览量
2012-07-22
10:49:36
上传
评论 5
收藏 216KB DOC 举报 
人工智能实验报告
实验三 基于人工神经网络算法解旅行商问题
计算机系 20051302353 蔡佳佳
【实验名称】基于人工神经网络算法解旅行商问题
【实验内容】使用 HOPFILED 网络模型求解对称旅行商问题，以获得旅行商问
题的近似最优解。
【实验原理】
（一）人工神经网络算法的概念和原理
人 工 神 经 网 络 简 称 ” 神 经 网 络 ”，是由大量简单的处理单元 — 神 经 元
(Neuron)相互连接组成的自适应非线性动态系统，用来模拟大脑神经网络的结
构和功能。自上世纪八十年代开始，人工神经网络的研究再次出现热潮，其模
型算法等基本理论已经有了深入的发展，并作为新一代神经计算模型广泛应用
于各前沿科学领域。人工神经网络通过有效学习，可以完成其它方法无法完成
的 特 定 任 务 ， 且 具 有 自 组 织 、 自 适 应 性 以 及 较 强 的 鲁 棒 性 。
人工神经网络总结人脑中神经元的一些基本特征，通过数学的描述和结构
方法模拟消息传递、处理、学习的过程。神经网络模型有许多种，其中上世纪
八 十 年 代 提 出 的 HOPFIELD 模 型 影 响 比 较 深 远 。
HOPFIELD 模型属于反馈型神经网络，连续的 HOPFIELD 神经网络可以用
动力学方程描述，且具有性质：1 神经元是一个输入输出变换器，其传输函数
有 sigmoid 函数特性；2 具有代表产生动作电位的神经元和代表按渐近方式工
作的神经元的能力；3 细胞膜具有时空整合作用；4 神经元之间存在着兴奋型
和抑制型连接。HNN 的能量函数是一个随时间增长而递减的函数，网络的平稳
点就是 E（t）的极小值点。该网络大但具有良好的收敛性，即网络可以从任意
非平衡轨迹出发，最后收敛于某个平衡状态；而且有有限个平衡点，而且如果
这些平衡点是稳定的，那么网络一定是渐近稳定的；此外，渐近网络平衡点是
网络能量函数极小点，网络信息存储在神经元之间连接权中，网络以大规模非
线性连续时间并行方式处理信息，其计算时间就是系统趋于平衡点的时间。
Hopeld 网络是单层对称全反馈网络，根据其激活函数的选取不同，可分
为离散型的 Hopeld 网络(Discrete Hopeld Neural Network，简称
DHNN)和连续型的 Hopeld 网络(Continuous Hopeld Neural Network，
剩余16页未读，继续阅读
- 1
- 2
- 3
- 4
前往页