應用自我組織類神經(jīng)網(wǎng)路於-全文預覽
【正文】 aps and the travelling salesman problem, Neural Networks, Vol. 1, , 1988.[6] Kitaori, K.。在求解此最佳化路徑之問題方面，使用基因法則、模擬退火法或Hopfield類神經(jīng)網(wǎng)路等方法相信亦可以有相當不錯之結(jié)果。4. 本研究議題可以更擴充為，已知節(jié)點數(shù)目，8應如何安排節(jié)點位置，以獲得最大之不相交路徑。 165。由參考文獻[59]或質(zhì)方圖可得到證明，且最大優(yōu)點為執(zhí)行速度相當快。7圖八 例二獲得最長之不相交路徑路徑長度圖九 例二之質(zhì)方圖例子三：本例中使用一隨機產(chǎn)生30個節(jié)點為數(shù)據(jù)。(a) 學習5次後(b) 學習15次後圖五 例一路徑之學習漸進圖路徑長度圖六 例一之質(zhì)方圖圖七 例一獲得最長之不相交路徑例子二：本例中使用一16個節(jié)點，且近似正方格之資料。減少率α=，試驗次數(shù)共200次。伍、實例模擬及討論本節(jié)中利用三個實例來說明本演算法之應用及結(jié)果：例子一：本例中使用一24個節(jié)點，構(gòu)成兩個正十二邊形之數(shù)據(jù)，如圖四所示。第二階段之演算法，可利用下列方法提高效率：61. 判斷任何兩線段是否交錯之方法，先利用定理三之方法，可加快判斷速度。計算新路徑之總長度。 步驟十：由步驟八可知此路徑長度比原先最大長度長，儲存最長路徑距離和連結(jié)順序。由於所選取之隨機初值如例子一圖四所示，為一不相交之均勻分佈圓周之神經(jīng)元，故所獲得之路徑，產(chǎn)生兩條線段相交之比率相當?shù)?。否則，減少G值，公式如下：G = G * (1a)，回到步驟三。其座標值與原來之神經(jīng)元相同，且各自為某一節(jié)點之獲勝者。步驟二：設定G之初始值；隨機改變節(jié)點之順序，訂定一與節(jié)點數(shù)目相同神經(jīng)元之自我組織類神經(jīng)網(wǎng)路；隨機產(chǎn)生均勻分佈於一圓周之神經(jīng)元，設初始值座標(wj1,wj2), j=1,2,...,N，令神經(jīng)元總數(shù)目R=N。 A(a1, a2) C(c1, c2) D(d1, d2) B(b1, b2)圖三 兩線交錯之檢查示意圖肆、自我組織類神經(jīng)網(wǎng)路演算法本文提出之演算法分成兩階段執(zhí)行，第一階段為使用自我組織類神經(jīng)網(wǎng)路演算法求出一封閉路徑。b 0且c圖三中設A,B,C,D之座標值同定理三。定理三：設任意四點A,B,C,D，其座標值分別為(a1, a2), (b1, b2), (c1, c2), 及(d1, d2)。由三角形中任兩邊之和大於第三邊之性質(zhì)，可得(AB+CD) (AC+BD)，故得證。 uy,1。其中：n為節(jié)點總數(shù)目。即除起始點外，每個節(jié)點恰好經(jīng)過一次。因此本文之問題與TSP問題在求解之性質(zhì)類似。要求出不相交且最長距離之路徑。詳細之演算法及特性，見於參考文獻[34]。當網(wǎng)路學習完成後，其相臨近之神經(jīng)元會具有相似的加權(quán)值。自我組織法的網(wǎng)路架構(gòu)如圖一[2]所示，主要元件包括下列三項：1. 輸入單元：為網(wǎng)路的輸入變數(shù)、訓練樣本的輸入向量，或稱特徵向量，其神經(jīng)元數(shù)目依待解決問題而定。訓練樣本裡不包括理想輸出向量。在學習過程中，多組訓練樣本循序的被輸入網(wǎng)路中，每組訓練樣本包括一個輸入向量及一個理想輸出向量。(4) 有保持菁華（abstraction）的能力。關(guān)於類神經(jīng)網(wǎng)路應用於解最佳化問題，在各工程領(lǐng)域皆有不錯之突破，使得最佳化問題在減少執(zhí)行時間、節(jié)省使用記憶體上皆有不錯之成果。關(guān)鍵詞：類神經(jīng)網(wǎng)路、自我組織法、銷售員旅行問題、最長不相交路徑問題。1應用自我組織類神經(jīng)網(wǎng)路於最長不相交路徑問題The Study of the Largest NonCrossing Route Problem Using SelfOrganizing Neural Networks陳昭榮ChaoRong Chen國立臺北科技大學電機工程系摘要自我組織類神經(jīng)網(wǎng)路具有拓樸特性，可用來很有效率的求解銷售員旅行問題。由數(shù)個實例之模擬結(jié)果證明可用以得到不
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1