最适化网路应用.PPT

Hopfield-Tank Net. 霍普菲爾-坦克網路 Hopfield-Tank Net. 使用最陡坡降(steepest descent)程序（易收斂於一個鄰近的局部最小值） 與Hopfield Net.屬同一種模式，唯一的差別在於使用不同的能量函數解決不同的最適化問題 Hopfield-Tank Net. (續) 從TSP問題了解Hopfield-Tank Travel Salesman Problem 一個旅行推銷員要到N個城市做生意，試找出一條從某城市出發，連貫這些城市，又回到原出發城市的最短路徑（每個城市只能走一次） Hopfield-Tank Net. (續) Hopfield-Tank Net. vs TSP 利用Hopfield-Tank Net.來解不見得能得到最佳解，但可找出近似的最佳解 Hopfield-Tank Net.解一般最適化問題的六個基本步驟 狀態變數◎ 狀態的要求◎ 狀態的表現◎ 狀態函數◎ 網路架構◎ 網路動態◎ 狀態變數 Xxi 大寫X：狀態變數 小寫x：城市 i：拜訪的順序 狀態要求 設計限制 每個城市只去一次 每次只去一個城市 N個城市都要到 狀態表現 對於N個城市的旅行推銷員的一個解答可用N2個神經元的狀態變數來代表狀態變數的排列矩陣元素 狀態函數(限制函數) 每個城市只能經過一次，因此不會有第i站等於第j站的情形 每個城市只能經過一次，因此第i站的城市不可能會重複 每個城市都要到過一次 城市最短總距離設計 狀態函數(限制函數) 綜合上述四式，設計以下能量函數 網路架構 權重值矩陣 Bias 網路架構(續) 網路架構(續) (續)對一個四城市的TSP，x=2, i=2 網路動態 設定初始狀態變數後，經由學習過程，進行狀態值的改變，直到能量函數趨於最低時，此時狀態變數值即為問題所求得的解答或其近似解 網路演算法 學習過程 設定網路參數 設定權重值矩陣 回想過程 設定網路參數 讀入權重值矩陣 輸入初始狀態變數向量 計算新的狀態變數向量 重複上一步直到收斂為止 能量函數不再有明顯變化 執行一定數目的學習循環 網路演算法(續) 最適化網路應用 TSP 旅行推銷員問題 TTL 課程定時問題 VRP 車輛路徑問題 VLSI 超大型積體電路設計 WCP 計算機程式設計 WT 武器系統配置 AL 工廠生產線規劃 FL 設備配置 * * A B C D E F A B C D E F A B C D E F 0 1 0 0 D 1 0 0 0 C 0 0 0 1 B 0 0 1 0 A 4 3 2 1 次序 城市 A B C D E F 起始點 終點 ※找出一條從某城市出發，連貫 這些城市，又回到原出發點的 最短路徑 ※假設有四個城市 (其神經元連結 方式，舉右上角 神經元為例) 0 1 0 0 1 0 0 0 0 0 0 1 0 0 1 0 A, B, C, D參數起始值可依下列建議來給定 A×(N-1)=B×(N-1)=C× (N-1)=D×N×avg_dist=常數 令D=1，N-1改以N代替則 A=B=C=avg_dist w11 w21 w31 w41 w12 w22 w32 w42 w13 w23 w33 w43 w14 w24 w34 w44 權重值矩陣為一四維矩陣，不易解讀， 因此，可以一二維矩陣來代替 網路架構(續) 例如：對一個四城市的TSP，x=2, i=2 -B -A -B -A -A -B 每個神經元的連結= -C 連結分別為各城市間距 離= -D·distxy 第2列連結 = -A 第2行連結 = -B 總權重值矩陣 z y w x 1km 1km 1km 1km w x y z A=B=C=D=1 餘此類推…… JSS 工廠排程 PP 計畫規劃 PERT 無資源限制計畫排程 PS 計畫排成 RN 鐵路網路設計 TP 古典運輸問題 *