用Hopfield神经网络与遗传算法.pdfVIP

( ) 第 35 卷第 2 期 华中师范大学学报 自然科学版 V o l. 35 N o. 2 ( ) 2001 年 6 月 JOU RNAL O F CEN TRAL CH INA NORM AL UN IV ER S IT Y N at. Sci. Jun. 2001 ( ) 　文章编号: 2001 用 Hopf ield 神经网络与遗传算法 求解 TSP 问题的实验比较与分析 余 一 娇 (华中师范大学 计算机科学系, 武汉 430079) 摘　要: 首先介绍了实验中利用Hopfield 神经网络和遗传算法求解 T SP 问题的程序设计方法, 分 析了C reateCh romo som e 算法的时间复杂性, 并测试了群体规模对解最优性的影响. 从计算方法的 软件实现角度出发, 比较了两种计算技术的相似点与不同之处. 本次实验的结论是: 遗传算法比 Hopfield 神经网络求解 T SP 问题的效率高, 且随着问题规模的扩大, 优势更为突出. 关键词: Hopfield 神经网络; 遗传算法; T SP; 回路长度; HopfieldT SP; GeneticT SP 中图分类号: T P 183 文献标识码: A 　　人工神经网络、遗传算法是模拟生物处理模式 1　Hopf ieldTSP 的实验方法 的两种现代计算技术. 人工神经网络从底向上, 通 用Hopfeild 神经网络求解 T SP 问题的基本思 过构造大量神经元及神经元之间的连接来实现非 路是: 建立一个拥有N 2 个神经元、带反馈的神经 线性的数据存储、计算、联想功能. Hopfield 神经网 [ 1 ] 网络, 首先给网络设置一组初始权值, 然后经过多 络 就是一种成熟且已被广泛使用的网络模型. 遗 [ 2 ] 次迭代计算, 改变网络能量和神经元状态. 当网络 传算法 则是依据生物进化过程中“物竞天择, 适 能量不再降低时, 神经元的输出矩阵即为问题的 者生存”原则, 通过对染色体的选择、杂交和变异操 解. Hopfeild 神经网络求解 T SP 问题往往只能得 作来获取问题解空间中的最优解. 关于二者各自的 到局部最优解. 根据神经网络中神经元的阀值函数 求解最优性和收敛速度, 已有人做了理论分析工 [ 3 ] 与输出结果, Hopfeild 模型分成连续型和离散型两 作 , 本文则是根据在 PC 机上设计的Hopfield 神 种. 为了获得较高精度的解, HopfeildT SP 中使用 经 网 络 ( Ho