Skip to main content
فهرست مقالات

ترکیب بهینه شبکه‌ عصبی آشوب‌گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی در حل مسئله فروشنده دوره گرد

نویسنده:

علمی-پژوهشی (وزارت علوم)/ISC (14 صفحه - از 63 تا 76)

این مقاله یک ترکیب هم­افزای شبکه عصبی آشوب‌گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی را برای حل مسائل بهینه‌سازی ترکیبی نظیر فروشنده دوره‌گرد (TSP) پیشنهاد می‌دهد. برخلاف شبکه‌های عصبی مصنوعی که با دینامیک گرادیان نزولی به سمت نقطه تعادل پایدار همگرا می‌شوند، شبکه­های عصبی آشوبی دینامیک­های فضایی - زمانی غنی‌تر و ساختار پیچیده‌تری دارند؛ بنابراین انتظار می­رود شبکه عصبی آشوبی توان زیادی برای یافتن نقطه بهینه سراسری و یا دست‌کم نزدیک به سراسری داشته باشد. یکی از مهم‌ترین مشکلات شبکه‌های عصبی مصنوعی، گرفتاری آن‌ها در کمینه‌های محلی است. اگرچه شبکه‌های عصبی آشوب­گون تا حدی این مشکل را حل می­کنند، ولی به لحاظ سرعت همگرایی در حرکت به سوی نقطه تعادل مشکل دارند؛ بنابراین در این مقاله به کمک نمای لیاپانوف و تبرید تدریجی، حضور شبکه در حالت آشوب­گون، کنترل و شبکه به سمت نقطه بهینه سراسری هدایت می‌شود. به‌منظور ارزیابی این شبکه، TSP با تعداد شهرهای مختلف استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد این شبکه‌ می‌تواند جواب بهینه را در TSP با تعداد تکرار کمتر و سرعت بیشتر پیدا کند.


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.