自组织神经网络求解tsp问题.pdfVIP

共享知识 分享快乐 自组织特征映射网络（SOFM）求解TSP问题 组长：袁滨 组员：杨涛，徐丽丽，张冰，殳晶莹，许才华，郑彩萍 一、 旅行商问题 旅行商问题(Traveling Salesman Problem ，简称 TSP). 商品的推销员打算从驻地出 发遍访他要去的每个城市，并且每个城市只能访问一次，最后必须返回出发城市。 问如何安排他对这些城市的访问次序，可使其旅行路线的总长度最短？ 旅行商问题 TSP 是一个典型的组合优化问题，并且是一个 NP 完全问题，其可 能 Hamilto 圈的数目是顶点的数目 的指数函数，所以一般很难精确地求出其最优 解。所谓组合优化问题，是指在离散的，有限的数学结构上，寻找一个满足给定条 件，并使其目标函数值达到最小或最大的解。一般来说，组合优化问题通常带有大 量的局部极值点，通常是非线性的 NP 完全问题。其最先起源于一个旅行商要访问 他所有的客户，要发现一条最短的路线。用用图论的术语来说，旅行商问题就是在 赋权完全图上找一个权最小的 Hamilto 圈。但是，首先从应用上来说，很多实际应 用问题，如印制电路板的、连锁店的货物配送路线等，经简化的处理后，均可转化 为旅行商问题 TSP 。由于旅行商问题的重要应用价值，因而对旅行商问题的算法研 究自然是一个无法回避的问题 ;其次，从理论上来说，它的计算复杂性研究在形成 NP 完全理论中起到奠基作用。今天，由于电子计算机科学技术的进展，这个古老 问题的算法研究又重新注入了新的活力，旅行商问题研究的新思路、新方法、新成 果必将丰富 NP 完全理论的内涵，促进 NP 完全理论的发展。 二、神经网络算法与优化计算 神经网络的应用已经渗透到多个领域，如智能控制、模式识别、信号处理、计 算机视觉、优化计算、知识处理、生物医学工程等。利用神经网络进行优化计算， 采用的模型一般包括 Hopfield 神经网络、混沌神经网络和波尔兹曼机（类似模拟退 火）等。TSP 是典型的 NP-难解问题，它对应的判定问题属于 NPC 类。由于这个问 题具有许多实际应用背景，所以寻求解决它的高效近似算法就成为学术界的研究热 点。可以利用自组织特征映射网络（SOFM）解决 TSP 问题。 八十年代中后期，美国、日本等国家出现了一股神经网络热潮，许多从事脑、 科学、心理学、计算机科学以及电子学等方面的专家都在积极合作，开展这一领域 的研究。Hopfield 于 1984 年又提出一种连续时间神经网络(HNN)模型，并由容易实 现的电子线路所构成。对于 HNN,给出适当的初始条件，在状态空间里反复使其更 新状态，网络的能量随时间推移单调地减小，状态向着平衡状态的方向更新。最后， 网络的能量减至全局最小或局部最小，其状态稳定在某个平衡状态。利用 HNN 模 卑微如蝼蚁、坚强似大象 共享知识 分享快乐 型在状态空间里的这种能量最小(极小) 化特性，可将它应用于 TSP 问题的求解。 该方法的基本思想是通过对神经网络引入适当的能量函数，使之与 TSP 的目标 函数相一致来确定神经元之间的联结权，随着网络状态的变化，其能量不断减少， 最后达到平衡时，即收敛到一个局部最优解。要解 n 城 市的 TSP 问题，要把问题 映射到一个神经网络上。可以使用 n*n 神经元矩阵。矩阵中的每个元的状态只能为 0 或 1 ，神经元的状态用V 表示，V =l 表示城市 X 在路径中第 i 个位置出现。一次 si si 有效路径使每行每列有且仅有一个元素为 1 ，其余为 0 。为了最终解决 TSP 问题， 必须构成这样的神经网络:在网络运行时，计算能量降低，网络稳定后其输出状态表 示城市被访问的次序。网络能量的极小点，对应于最佳 (或较佳)路径的形成。其解 决问题最关键的一步，是构造能量函数。 三、自组织特征映射网络 SOFM） 自组织特征映射（SOFM）是由芬兰学者 T. Kohonen 提出的。它属于竞争神经 网络，本质上是一种无监督的学习机，可以根据输入空间中样本的分布情况，把样 本输入空间变