以自我学习神经网路混合邻近搜索演算法作ATSP问题.docVIP

以自我學習神經網路混合鄰近搜索演算法作ATSP問題關鍵詞：非對稱旅行推銷員問題（ATSP）、鄰近搜索法、自我學習神經網路摘 要旅行推銷員問題（TSP）目前已被證實為NP-Complete的問題，由於定義簡單、複雜度高，多數新演算法莫不以其為測試標準，目前此類問題已有高效率演算工具能獲得很好的解答。TSP問題雖為古典組合最佳化問題，惟傳統研究多僅探討對稱型TSP問題，假若將對稱型TSP問題進一步推展至非對稱TSP問題（ATSP），由於問題解答有效組合數較對稱型TSP問題多出一倍，可能會因為問題解答搜索空間擴大，導致求解效率變差的現象出現。在各種最佳化演算法中，類神經網路屬於較新穎的演算法，1997年楊秉蒼提出混合型自我學習神經網路解TSP問題時，在16個測試範例有14個獲得最佳解，不過並未對ATSP問題作進一步的探討；為此本文嘗試以混合型自我學習神經網路解ATSP問題。為使解答有比較依據，範例方面以國際題庫（TSPLIB）有關ATSP的範例為測試對象，並以文獻最佳解及鄰近搜索法作解答品質的比較。經測試得到10個範例中，若以鄰近搜索法與文獻最佳解作比較，則鄰近搜索法相對誤差高出0.8% ~ 43.6%之間；若以混合型自我學習神經網路與文獻最佳解作比較，則混合型自我學習神經網路之相對誤差約高出0.0% ~ 3.3%之間。一、前言旅行推銷員問題（Traveling salesman pr