神经网络优化计算.ppt

5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年TSP问题的表示将TSP问题用一个n×n矩阵表示，矩阵的每个元素代表一个神经元。代表商人行走顺序为：3→1→2→4每一行、每一列的和各为1。5.3.3Hopfield神经网络在TSP中的应用1为是，0为否第1站第2站第3站第4站城市10100城市20010城市31000城市40001第30页，共50页，星期日，2025年，2月5日能量函数的构建每个神经元接收到的值为zij，其输出值为yij，激活函数采用Sigmoid函数，记两个城市x和y的距离是dxy。1）希望每一行的和为1，即最小，每一行最多有一个1时，E1＝0。5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年5.3.3Hopfield神经网络在TSP中的应用第1站第2站第3站第4站城市10100城市20010城市31000城市40001第31页，共50页，星期日，2025年，2月5日能量函数的构建2）希望每一列的和为1，即最小，每一列最多有一个1时，E2＝0。3）希望每一行每一列正好有一个1，则为零。5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年5.3.3Hopfield神经网络在TSP中的应用第1站第2站第3站第4站城市10100城市20010城市31000城市40001第32页，共50页，星期日，2025年，2月5日能量函数的构建4）E1，E2，E3只能保证TSP的一个可行解，为了得到TSP的最小路径，当duv=dvu时，希望最小，其中，yu0=yun，yu(n+1)=yu1。duvyuiyv(i+1)表示城市u和v之间的距离（i代表行走顺序）。5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年5.3.3Hopfield神经网络在TSP中的应用第1站第2站第3站第4站城市10100城市20010城市31000城市40001第33页，共50页，星期日，2025年，2月5日能量函数的构建5）根据连续Hopfield神经网络能量函数，最后，能量函数表示为：A，B，C，D，α为非负常数。5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年5.3.3Hopfield神经网络在TSP中的应用第34页，共50页，星期日，2025年，2月5日能量函数的构建由动力学方程，5.3反馈型神经网络智能优化计算华东理工大学自动化系2007年5.3.3Hopfield神经网络在TSP中的应用第35页，共50页，星期日，2025年，2月5日第1页，共50页，星期日，2025年，2月5日5.1人工神经网络的基本概念5.1.1发展历史5.1.2McCulloch-Pitts神经元5.1.3网络结构的确定5.1.4关联权值的确定5.1.5工作阶段5.2多层前向神经网络5.2.1一般结构5.2.2反向传播算法5.3反馈型神经网络5.3.1离散Hopfield神经网络5.3.2连续Hopfield神经网络5.3.3Hopfield神经网络在TSP中的应用智能优化计算华东理工大学自动化系2007年第2页，共50页，星期日，2025年，2月5日5.1人工神经网络的基本概念智能优化计算华东理工大学自动化系2007年“神经网络”与“人工神经网络”1943年，WarrenMcCulloch和WalterPitts建立了第一个人工神经网络模型；1969年，Minsky和Papert发表Perceptrons；20世纪80年代，Hopfield将人工神经网络成功应用在组合优化问题。5.1.1发展历史第3页，共50页，星期日，20