Hopfield
理论
应用于实践给出了研究性方法
。
2
问题的提出
T
SP
问题
,
即所谓的旅行商问题
。问题的提法
:
在
N
个城
市中各经历一次后回到出发点
,
使所经过的路程最短
。
其不同
选择方案有
(
N
-
1
)
!
2
种
,
在城市数较少的情况下可以用枚
举等方法
,
但如果城市数量较大
,
例如
,
N
=
33
时
,
使用枚举法
求解就要考虑的情况是
10
25
数量级
,
计算量如此之大是不可想
象的
。将
Hopfield
网络应用于求解
T
SP
问题
,
效果是显著的
。
下面就利用连续的
Hopfield
网络求解
T
SP
问题进行探讨
。
3
Hopf
ield
神经网络及求解
TSP
问题算法
1
)
Hopfield
神经网络主要是模拟生物神经网络的记忆机
理
,
是一种全连接型的神经网络
,
对于每个神经元来说
,
自己
输出的信号通过其他神经元又反馈到自身
,
所以
Hopfield
神
经网络是一种反馈型神经网络
。
连续的
Hopfield
神经网络状
态的演变过程是一个非线性动力学系统
,
可以用一组非线性
微分方程来描述
。
系统的稳定性可用所谓的
“能量函数”
(
即李
雅普诺夫或哈密顿函数
)
进行分析
。
在满足一定条件下
,
某种
“能量函数”
的能量在网络运行过程中不断地减小
,
最后趋于
稳定的平衡状态
。
反馈网络达稳定状态时可以使系统的能量达极小
,
因而
可用于一些最优化问题的计算
,
能量公式如下
:
E
=
-
1
2
6
N
i
=
1
6
N
j
=
1
T
ij
v
i
v
j
-
6
N
i
=
1
Η
i
v
i
=
-
1
2
v
T
T
v
-
v
T
在实践中
,
Hopfield
神经网络理论可应用于很多领域
。但
实际中由于将理论转化为实践存在
一些技术难点需要解决
,
导致实际中很少用
。下面以
T
SP
问题进行连续的
Hopfield
神
经网络理论应用研究
。
2
)
求解
T
SP
问题算法
实例
:
本实验中采用
Hopfield
网络的方法实现以
5
个城市
为例的
T
SP
问题
。
设有
5
个城市
A
,
B
,
C
,
D
,
E
,
用
d
xy
(
x
,
y
∈
{
A
,
B
,
C
,
D
,
E
}
)
表示城市
x
和城市
y
之间的距离
(
d
xy
>
0
)
。有一推
销员从某一城市出发
(
如从城市
C
出发
)
访问各城市一次且仅
一次后再回到原出发城市
,
要求找出一条最短的巡回路线
,
即
:
Ι
=
d
CA
+
d
A
E
+
d
E
B
+
d
BD
+
d
DC
→
m
in
。
建模
:
在
5-
T
SP
中
,
如城市
1
在第
3
个被访问
,
则对应的
向量为
V
(
1
)
=
00100
。
5
个城市
T
SP
问题需用
5
3
5
个神经元
来实现
,
而每行每列都只能有一个
1,
其余为
0,
该阵称为换位
矩阵
。
换位矩阵中
1
的和为
5,
所构造的函数极小值对应于最
短路径
。
式中取
Σ
=
1
.
0;
u
0
为符号函数的参量
,
u
0
越小
,
符号函数
的离散化程度越高
。
在进行迭代前
,
要对
uxi
赋初值
,
不妨令
u
xi,
init
=
-
0
.
5
3
u
0
3
1
n
(
N
-
1
)
3
(
1+
∆
)
,
∆
是在
(
-
0
.
1,
0
.
1
)
的随机数
。
在迭代时
,
u
t+
1
xi
=
u
t
xi
+
du
xi
dt
3
∆
t
为运算步长
。
因为能量在极小值时变化最慢
,
所以将能量函数
E
变化
小到一定程度作为结束标变化小到一定程度作为结束标志
,
即
∃
E
Φ
M
in
_
value
。
如果超过了一定的迭代次数仍没有收
・
1
・
M
icroco
m
puter
Application
s
Vol
.
22
,
No
.
11
,
2006
研究与设计 微型电脑应用
2006
年第
22
卷第
11
期
α
α
α
董得义
,
上海交通大学电信学院
,
上海
200240
陈洪亮
,
上海交通大学电信学院
,
上海
200240
作者简介
:
杨秀梅
,
上海交通大学电信学院
,
硕士研究生
,
上海
200240