資源描述：
《反三角函數(shù)混沌神經(jīng)網(wǎng)絡(luò)的模擬退火策略》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、反三角函數(shù)混沌神經(jīng)網(wǎng)絡(luò)的模擬退火策略第27卷第6期2011年12月哈爾濱商業(yè)大學(xué)學(xué)報（自然科學(xué)版）JournalofHarbinUniversityofCommerce（NaturalSciencesEdition）Vol.27No?6Dec?2011許楠，徐輝群（哈爾濱商業(yè)大學(xué)系統(tǒng)工程研究所，哈爾濱150028）摘要：分析了混沌神經(jīng)網(wǎng)絡(luò)模型中加入反三角函數(shù)對解決組合優(yōu)化問題的作用，以及該網(wǎng)絡(luò)的動力學(xué)特性和對自反饋連接權(quán)值的敏感性，研究了退火函數(shù)在優(yōu)化過程中對準(zhǔn)確性和計算速度的影響.利用分段模擬退火思想對反三角函數(shù)混沌神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)，使得該網(wǎng)絡(luò)模型在保證優(yōu)化算法準(zhǔn)確性的基礎(chǔ)
2、上，加快了收斂速度，算法具有很強(qiáng)的克服陷入局部極小點的能力.通過對組合優(yōu)化問題的典型例子TSP（旅行商問題）進(jìn)行仿真實驗，驗證了這種分段模擬退火策略的有效性，最后說明了模型參數(shù)對改進(jìn)網(wǎng)絡(luò)性能的重要性.關(guān)鍵詞：混沌神經(jīng)網(wǎng)絡(luò)；模擬退火；旅行商問題中圖分類號:TP311文獻(xiàn)標(biāo)識碼:A文章編號：1672-0946（2011）06-0814-05Simulatedannealingstrategyinchaoticneuralnetworkmodelwithanti-trigonometricfunotionself-feedbackXUNan,XUYao-qun(Instituteo
3、fSystemEngineering,HarbinUniversityofCommerce,Harbinl50028,China)Abstract：Analyzedtheeffectofcombinatorialoptimizationanddynamicscharacteristicofchaoticneuralnetworkmodelwithanti-trigonometricfunctionandthesensitivitytoself-feed?backconnectionweight,studiedtheannealingfunctionintheoptimized
4、processtoaccurateandthecomputationspeedinfluence?Usingthesub-annealingthoughtimprovedthechaoticneuralnetworkwithanti?trigonometricfunction,andcausedthisnetworkmodelintheguar-anteeoptimizationalgorithmaccuratefoundation,speduptheconvergencerate,thealgo-rithmhadtheverystrongcapacitytoovercome
5、thelocalminimumpoint?Simulationresearchonfunctions'optimizationandTSP(travelingsalesmanproblem),confirmedthiskindofsub?armealingstrategyvalidity?Theresultsshowedtheimportanceofthemodelparameterstoim?provetheperformanceofthenetwork.Keywords：chaoticneuralnetwork；simulatedannealing；TSP在科學(xué)技術(shù)領(lǐng)域中
6、有很多問題都與組合優(yōu)化問題有關(guān)，但是能夠有效地解決組合優(yōu)化問題的科學(xué)方法還是比較少的.自從Hopfield于1982年提出Hopfield神經(jīng)網(wǎng)絡(luò)模型以來，該神經(jīng)網(wǎng)絡(luò)模型已經(jīng)被證明是解決組合優(yōu)化問題的強(qiáng)大有效的工具，并且在眾多領(lǐng)域都有實際應(yīng)用.但是在求組合優(yōu)化收稿日期：2011-03-25?基金項目：黑龍江省自然科學(xué)基金(F201035).作者簡介：許楠(1980—),女，碩士，講師，研究方向：混沌神經(jīng)網(wǎng)絡(luò).Hopfield網(wǎng)絡(luò)模型卻容易陷入局部極小問題時，[1]點,從而無法求得最優(yōu)解.為了解決這一問題，人們將混沌動力學(xué)的全局搜索特性引入神經(jīng)網(wǎng)絡(luò)[2—6],之中，提出了多種混
7、沌神經(jīng)網(wǎng)絡(luò)模型其中大多數(shù)是通過在Hopfield網(wǎng)絡(luò)中引入自反饋項而使自身表現(xiàn)出暫態(tài)的混沌動力學(xué)行為以避免陷入局部極小點(最著名的是Chen等提出的暫態(tài)混沌神經(jīng)網(wǎng)絡(luò)模型)，因此網(wǎng)絡(luò)的動態(tài)特性很敏感地依賴zi(t)類似于隨機(jī)模擬退于自反饋連接權(quán)值zi(t),火中的溫度，其一般按指數(shù)退火函數(shù)動態(tài)變化，對網(wǎng)絡(luò)的優(yōu)化性能和收斂速度有很大的影響[7—8]wii=0；B是模擬退火參數(shù).混沌神經(jīng)網(wǎng)絡(luò)模型的動態(tài)特性很敏感的依賴zi(t)和Q的取值.k為網(wǎng)絡(luò)記憶保留或遺忘內(nèi)于k、部狀態(tài)的能力；白反饋連接項zi(t)是動態(tài)
