×
伊利诺伊州阿尔蒂诺。库班;内卡蒂·阿拉斯;噢，B·约翰

使用神经方法快速、高效和准确地解决哈密顿路径问题。 （英语） Zbl 0944.90007号

计算。操作。物件。 27，第5期，461-494（2000）。
摘要：据我们所知，与欧几里德旅行推销员问题（TSP）不同，欧几里得哈密顿路径问题（HPP）还没有记录在案的全神经解决方案。其原因是，将城市映射到神经元的启发式方法“失去了可信性”，因为TSP中使用的神经元顺序的潜在循环特性在HPP中丢失了。在本文中，我们提出了HPP的三种神经解决方案。第一个，\（\text｛GSOM｝_-\text{HPP}\），是Kohonen的自组织映射（SOM）的泛化，由B.安热尼尔等【神经网络1，289-293（1988）】。第二种和第三种方法使用最近引入的自组织神经网络，即Kohonen network Incorporating Explicit Statistics（KNIES）。
KNIES和Kohonen的SOM之间的主要区别在于，与SOM不同，训练阶段的每次迭代都包括两个不同的模块——吸引模块和分散模块。由于SOM和KNIES中引入的分散模块，神经元分别在统计和拓扑上找到了它们的位置，并将它们的平均值保持为它们所代表的数据点的平均值。
新哲学[B.J.奥门等，《WIRN/VIETRI-98会议录》，第十届意大利神经网络研讨会，意大利南马雷，1998年5月。第273-282页）]被用于有效求解欧几里德TSP，现在扩展到求解欧几利德水电站。这些算法是HPP的第一个全神经解决方案，也经过了严格的测试。通过修改旅行推销员问题库（TSPLIB）中的选定实例获得的问题的实验结果[G.雷内特.ORSA J.计算。3, 376-384 (1991;Zbl 0775.90293号)]对于水电站，这表明它们既准确又高效。除了给出的计算结果外，本文还包含一个系统策略，通过该策略可以量化任何HPP算法的质量。

引用于1文件

MSC公司：

90B10型 运筹学中的确定性网络模型
90C27型 组合优化

关键词：

组合优化;旅行推销员问题;欧氏哈密顿路径问题;神经解;Kohonen的自组织地图;自组织神经网络

引文：

Zbl 0775.90293号

软件：

TSPLIB公司
PDF格式BibTeX公司 XML格式引用
\textit{I.K.Altinel}等人，计算。操作。第27号决议，第5号，461--494（2000；Zbl 0944.90007）
全文： 内政部

参考文献：

[1] Reinelt，G.，TSPLIB——旅行推销员问题库，ORSA计算杂志，3376-384（1991）·Zbl 0775.90293号
[2] Papadimitriou CH，欧几里德旅行推销员问题是NP完全问题。理论计算机科学。1978; 4:237-44.; Papadimitriou CH，欧几里德旅行推销员问题是NP完全问题。理论计算机科学。1978; 4:237-44. ·Zbl 0386.90057号
[3] Lawler EL、Lenstra JK、Rinnooy Kan AHG、Shmoys DB编辑。旅行推销员问题：组合优化的导览。奇切斯特：威利，1985年。；Lawler EL、Lenstra JK、Rinnooy Kan AHG、Shmoys DB编辑。旅行推销员问题：组合优化的导览。奇切斯特：威利，1985年·Zbl 0562.00014号
[4] Reinellt G.旅行推销员。TSP应用的计算解决方案。柏林：施普林格出版社，1994年。；Reinelt G.旅行推销员。TSP应用的计算解决方案。柏林：施普林格出版社，1994年·Zbl 0825.90720号
[5] Lin，S。；Kernighan，B.，《旅行商问题的有效启发式算法》，运筹学，21498-516（1973）·Zbl 0256.90038号
[6] Cichocki A，Unbehauen R.优化和信号处理的神经网络。奇切斯特：威利，1993年。；Cichocki A，Unbehauen R.优化和信号处理的神经网络。奇切斯特：威利，1993年·Zbl 0824.68101号
[7] Johnson DS，McGeoch LA。旅行推销员问题：案例研究。在：Aarts E，Lenstra JK，组合优化中的局部搜索。奇切斯特：威利，1997年。；Johnson DS，McGeoch LA。旅行推销员问题：案例研究。在：Aarts E，Lenstra JK，组合优化中的局部搜索。奇切斯特：威利，1997年·Zbl 0947.90612号
[8] J.-波特文。Y.，《旅行推销员问题：神经网络视角》，ORSA计算机期刊，5328-348（1993）·Zbl 0789.90086号
[9] Oommen BJ、Aras N、Altinel K。使用Kohonen网络结合显式统计解决旅行推销员问题。初步版本见《WIRN/VIETRI-98会议录》，第十届意大利神经网络研讨会，意大利南马雷，1998年5月。第273-82页。完整的论文将出现在神经网络; Oomen BJ，Aras N，Altinel K.使用包含显式统计的Kohonen网络解决旅行推销员问题。初步版本见《WIRN/VIETRI-98会议录》，第十届意大利神经网络研讨会，意大利南马雷，1998年5月。第273-82页。完整的论文将出现在神经网络
[10] 柔性制造系统在线优化中的Ascheuer N.Hamilton路径问题。技术报告编号TR 96-3，ZIB，德国柏林，1996年。；柔性制造系统在线优化中的Ascheuer N.Hamilton路径问题。技术报告编号：TR 96-3，ZIB，德国柏林，1996年·Zbl 0859.90080号
[11] 沃特曼硕士。计算生物学导论。剑桥：查普曼和霍尔出版社，1995年。；沃特曼硕士。计算生物学导论。剑桥：查普曼和霍尔出版社，1995年·Zbl 0831.92011号
[12] 杰弗里斯，C。；Niznik，T.，《放松犯罪网络的良心》，计算机与运筹学，21961-968（1994）·Zbl 0815.90132号
[13] Angéniol，B。；Vaubois，C。；Le Texier，J.Y.，自组织特征图和旅行推销员问题，神经网络，1289-293（1988）
[14] 霍普菲尔德，J.J。；Tank，D.W.，优化问题中决策的神经计算，生物控制论，52，141-152（1985）·Zbl 0572.68041号
[15] S.V.B.Aiyer。；Niranjan，M。；Fallside，F.，Hopfield模型性能的理论研究，IEEE神经网络交易，1,2204-215（1990）
[16] 杜宾，R。；Willshaw，D.，使用弹性网方法对旅行推销员问题进行模拟，《自然》，326689-691（1987）
[17] Simic，P.D.，《作为弹性和神经优化基础理论的统计力学》，《网络》，1363-374（1990）
[18] 瓦库丁斯基，A.I。；Golden，B.L.，《使用弹性网解决旅行推销员问题的分层策略》，《启发式杂志》，267-76（1995）·Zbl 0857.90132号
[19] Gray，D.H.，矢量量化，IEEE ASSP杂志，1，4-29（1984）
[20] Kohonen，T.，《自组织映射》，IEEE学报，78，74-90（1990）
[21] Kohonen T，自组织地图。柏林：施普林格出版社，1995年。；Kohonen T，自组织地图。柏林：斯普林格出版社，1995年·Zbl 0866.68085号
[22] Linde Y，Buzo A，Gray RM.矢量量化算法，IEEE Trans。通信1980；通信-28，61-71。；Linde Y，Buzo A，Gray RM。矢量量化算法，IEEE Trans。通信1980；通信28，61-71。
[23] Makhoul，J。；Roucos，S。；Gish，H.，语音编码中的矢量量化，IEEE学报，731551-1588（1985）
[24] 杜达·罗，哈特·PE。模式分类和场景分析。奇切斯特：威利，1973年。；杜达·罗，哈特·PE。模式分类和场景分析。奇切斯特：威利出版社，1973年·Zbl 0277.68056号
[25] Fukunaga K.《统计模式识别导论》，第二版，圣地亚哥：学术出版社，1990年。；Fukunaga K.《统计模式识别导论》，第二版，圣地亚哥：学术出版社，1990年·Zbl 0711.62052号
[26] Wong，Y.，Kohonen自组织映射与弹性网络的比较研究，计算学习理论与自然学习系统，2401-413（1996）
[27] Ritter，H.J.，一类矢量量化过程的渐近能级密度，IEEE神经网络事务，2173-175（1991）
[28] Zador，P.L.，连续信号误差的渐近量化和量化维数，IEEE信息理论学报，28139-149（1982）·Zbl 0476.94008号
[29] Kohonen T、Makisara K、Saramaki T。语音图——语音识别中语音特征的深刻表现。第七届模式识别国际会议论文集，1984年。第182-5页。；Kohonen T、Makisara K、Saramaki T。语音图——语音识别中语音特征的深刻表现。第七届模式识别国际会议论文集，1984年。第182-5页。
[30] Kohonen T、Torkkola K、Shozokai M、Kangas J、Venta O。用于芬兰语和日语的大型词汇语音识别器和语音打字机的微处理器实现。1987年欧洲语音技术会议记录。第377-80页。；Kohonen T、Torkkola K、Shozokai M、Kangas J、Venta O。用于芬兰语和日语的大型词汇语音识别器和语音打字机的微处理器实现。1987年欧洲语音技术会议记录。第377-80页。
[31] Kohonen，T.，《神经语音打字机》，《计算机》，第21期，第11-22页（1988年）
[32] Samarabandu JK，Jakubowicz OE。多层次问题中的顺序特征图原理。国际神经网络联合会议论文集，IJCNN-90-WASH-DC II-683-II-6861990。；Samarabandu JK，Jakubowicz OE。多层次问题中的序列特征图原理。国际神经网络联合会议记录，IJCNN-90-WASH-DC II-683-II-6861990年。
[33] Orlando GA，Mann R，Haykin S.使用传统分类器和神经分类器对海洋进行雷达分类。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-263-II-266页。；Orlando GA，Mann R，Haykin S.使用传统分类器和神经分类器对海冰进行雷达分类。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-263-II-266页。
[34] Neumann EK、Wheeler DA、Burnside AS、Bernstein AS、Hall JC。昆虫求偶歌曲的分类和分析技术。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-257-II-262页。；Neumann EK、Wheeler DA、Burnside AS、Bernstein AS、Hall JC。昆虫求偶歌曲的分类和分析技术。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-257-II-262页。
[35] Marks KM、Goser KF。基于自组织特征映射的超大规模集成电路工艺数据分析。Nuero-Nimes’88年会议记录，1988年。第337-47页。；Marks KM、Goser KF。基于自组织特征映射的超大规模集成电路工艺数据分析。Nuero-Nimes’88年会议记录，1988年。第337-47页。
[36] Tryba，V。；马克斯，K.M。；吕特克，美国。；Goser，K.，Selbs-organizierende Karten Als-Lernende Klassifizierende Speicher，IFG Fachbericht，102，407-419（1988）
[37] Hemani A、Postula A、自组织调度。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-543-II-548页。；Hemani A、Postula A、自组织调度。国际神经网络联合会议论文集，IJCNN-90-WASH-DC，1990年。第II-543-II-548页。
[38] 格拉夫DH，拉隆德WR。一种用于一般机器人无碰撞运动的神经控制器。1988年IEEE神经网络国际会议论文集。第177-84页。；格拉夫DH，拉隆德WR。一种用于一般机器人无碰撞运动的神经控制器。1988年IEEE神经网络国际会议论文集。第177-84页。
[39] 格拉夫DH，拉隆德WR。用于手/眼协调的神经规划器。1989年国际神经网络联合会议记录。第II-543-II-548页。；格拉夫DH，拉隆德WR。手眼协调神经规划师。《国际神经网络联合会议论文集》，1989年。第II-543-II-548页。
[40] Martinetz，J。；Ritter，H.J。；Schulten，K.J.，学习机器人手臂视觉运动协调的三维神经网络，IEEE神经网络汇刊，131-136（1990）
[41] Ritter，H.J。；Martinetz，J。；Schulten，K.J.，拓扑守恒映射学习视觉运动协调，神经网络，2159-168（1989）
[42] Ritter HJ、Schulten KJ。用于学习运动任务的拓扑守恒映射。1986年AIP会议神经网络计算论文集。第376-80页。；Ritter HJ、Schulten KJ。用于学习运动任务的拓扑守恒映射。1986年AIP会议神经网络计算论文集。第376-80页。
[43] Ritter HJ、Schulten KJ。扩展Kohonen的自组织映射以学习弹道运动。北约；Ritter HJ、Schulten KJ。扩展Kohonen的自组织映射以学习弹道运动。北大西洋公约组织
[44] JC堡。通过自组织过程解决组合问题：Kohonen算法在旅行商问题中的应用。生物控制论59:33-40。；JC堡。通过自组织过程解决组合问题：Kohonen算法在旅行商问题中的应用。生物控制论59:33-40·Zbl 0641.92020号
[45] 休特GJ。用自适应环解决旅行商问题。IEEE神经网络国际会议论文集，加利福尼亚州圣地亚哥，1988年。第I-85-92页。；休特GJ。用自适应环解决旅行商问题。IEEE神经网络国际会议论文集，加利福尼亚州圣地亚哥，1988年。第I-85-92页。
[46] Ritter HJ、Schulten KJ。Kohonen的自组织地图：探索其计算能力。1988年国际神经网络联合会议记录。第2455-60页。；Ritter HJ、Schulten KJ。Kohonen的自组织地图：探索其计算能力。1988年国际神经网络联合会议记录。第2455-60页。
[47] 伯克，L.I。；Damany，P.，《旅行推销员问题的犯罪网》，计算机与运营研究，19255-265（1992）·Zbl 0757.90081号
[48] Burke，L.I.，《旅行推销员问题的神经方法：来自运筹学的见解》，神经网络，7681-690（1994）·Zbl 0820.90111号
[49] Burke，L.I.，《旅行推销员问题中旅行构造的认真的神经网络：警惕网络》，计算机与运筹学研究，23121-129（1996）·Zbl 0868.90129号
[50] Budinich，M.，用于与模拟退火竞争的旅行商问题的自组织神经网络，神经计算，8416-424（1996）
[51] Budinich M，Rosario B。一个具有良好能量函数的旅行推销员问题的神经网络。In:Ellacott SW，Mason JC，Anderson IJ，编辑。神经网络数学，模型，算法和应用。波士顿：Kluwer学术出版社，1997年。；Budinich M，Rosario B。一个具有良好能量函数的旅行推销员问题的神经网络。In:Ellacott SW，Mason JC，Anderson IJ，编辑。神经网络数学，模型，算法和应用。波士顿：Kluwer学术出版社，1997年。
[52] Ascheuer N.私人通信。1998.; Ascheuer N.私人通信。1998
[53] 费希尔，R。；Tippet，L.，最大或最小样本数频率分布的极限形式，《剑桥哲学学会学报》，24180-191（1928）
[54] Derigs，U.，《在组合优化中使用全局最优的置信限》，运筹学研究，331024-1049（1985）·Zbl 0587.90070号
[55] 金色B，Alt FB。大型组合问题全局最优解的区间估计。1979年海军研究后勤季刊；第26:69-77页。；金色B，Alt FB。大型组合问题全局最优解的区间估计。1979年海军研究后勤季刊；26:69-77. ·兹伯利0397.90100
[56] Golden B、Stewart WR。启发式的实证分析。收件人：Lawler EL、Lenstra JK、Rinnooy Kan AHG、Shmoys DB、编辑。旅行推销员问题：组合优化的导览。奇切斯特：威利，1985年。；Golden B、Stewart WR。启发式的实证分析。收件人：Lawler EL、Lenstra JK、Rinnooy Kan AHG、Shmoys DB、编辑。旅行推销员问题：组合优化的导览。奇切斯特：威利，1985年·Zbl 0562.00014号
[57] 洛斯，M。；Lardinois，C.，组合规划、统计优化和最优运输网络问题，交易研究，16B，89-124（1982）
[58] Zanakis，S.H.，三参数Weibull MLE问题的带变换的扩展模式搜索，管理科学，251149-1161（1979）·Zbl 0474.62091号
[59] Cooke，P.，随机变量界的统计推断，生物统计学，66367-374（1979）·Zbl 0406.62011年
[60] Dannenbring，D.，大型组合问题的最优解估计，管理科学，231273-1283（1977）·Zbl 0377.90051号
[61] Zanakis，S.H.，三参数Weibull分布的一些简单估计的模拟研究，统计计算与模拟杂志，9，101-106（1979）·Zbl 0416.62025号
[62] Hertz J、Krogh A、Palmer RG。介绍神经计算理论。圣达菲研究所复杂科学研究讲座笔记卷。马萨诸塞州雷丁：Addison-Wesley，1991年。；Hertz J、Krogh A、Palmer RG。介绍神经计算理论。圣达菲研究所复杂科学研究讲座笔记卷。马萨诸塞州雷丁：Addison-Wesley，1991年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。