×
卢卡斯·加西亚;佩德罗·M·塔拉文。;哈维尔·亚涅斯

改进Hopfield模型应用于旅行商问题时的性能。分而治之的计划。 （英语） Zbl 1381.68281号

软计算。 21，第14号，3891-3905（2017）.
小结：连续Hopfield网络（CHN）可用于解决旅行商问题（TSP）等组合优化问题。为了提高这种启发式技术的性能，提出了一种基于两个阶段的分治策略。第一阶段涉及将城市与大多数邻居联系起来，以定义一组城市链其次，将这些与孤立的城市结合起来，确定最终的旅游路线。这两个问题都可以通过将两个TSP映射到各自的CHN来解决。推导了相关的参数设置程序；这些程序确保了获得的巡视的可行性，并将解决方案的质量与纯净的CHN方法使用一些旅行推销员问题库（TSPLIB）实例。通过这种策略，我们可以利用现有的计算资源来求解规模高达13509个城市的TSP实例。最后，通过调整控制第一阶段的参数，改进了新的分治过程。

MSC公司：

68T20型 人工智能背景下的问题解决（启发式、搜索策略等）
68T05型 人工智能中的学习和自适应系统
90C27型 组合优化
90 C59 数学规划中的近似方法和启发式

关键词：

人工神经网络;Hopfield网络;旅行推销员问题;分而治之

软件：

TSPLIB公司
PDF格式BibTeX公司 XML格式引用
\textit{L.García}等人，《软计算》。21，第14号，3891--3905（2017；Zbl 1381.68281）
全文： 内政部

参考文献：

[1] Di Marco M，Forti M，Grazzini M，Pancioni L（2014）神经网络在闭超立方体上进化的多稳定性的充要条件。神经网络54:38-48·Zbl 1322.93011号 ·doi:10.1016/j.neunet.2014.02.010
[2] Hopfield JJ（1984）具有分级响应的神经元具有与二态神经元类似的集体计算特性。国家科学院院刊81（10）：3088-3092·Zbl 1371.92015年 ·doi:10.1073/pnas.81.10.3088
[3] Hopfield JJ，Tank DW（1985）优化问题中决策的“神经”计算。生物网络52（3）：141-152·Zbl 0572.68041号
[4] Jolai F，Ghanbari A（2010）将数据转换技术与Hopfield神经网络相结合，用于解决旅行推销员问题。专家系统应用37（7）：5331-5335·doi:10.1016/j.eswa.2010.01.002
[5] Lawler EL（1985）旅行推销员问题：组合优化的导览。收录于：Wiley-Interscience离散数学系列。纽约威利·Zbl 0562.00014号
[6] Mérida-Casemereiro E，Galán-Marín G，Munoz-Perez J（2001）针对旅行推销员问题的有效多值Hopfield网络。神经过程Lett 14（3）：203-216·Zbl 0994.90121号 ·doi:10.1023/A:1012751230791
[7] Papadimitriou CH（1977）欧几里德旅行推销员问题是NP完全问题。计算机科学理论4（3）：237-244·Zbl 0386.90057号 ·doi:10.1016/0304-3975（77）90012-3
[8] Reinellt G（1991）TSPLIB。旅行推销员问题库。ORSA J计算3（4）：376-384·Zbl 0775.90293号 ·doi:10.1287/ijoc.3.4376
[9] Reinelt G（1994）《旅行推销员：TSP应用的计算解决方案》。纽约州施普林格·Zbl 0825.90720号
[10] Salcedo-Sanz S、Ortiz-García EG、Pérez-BellidoáM、Portilla-Figueras a、López-Ferreras F（2009）《关于LP引导的Hopfield网络遗传算法的性能》。计算运算结果36（7）：2210-2216·Zbl 1158.90398号 ·doi:10.1016/j.cor.2008.08.012
[11] Schmidhuber J（2015）《神经网络中的深度学习：概述》。神经网络61:85-117·doi:10.1016/j.neunet.2014.09.003
[12] Suh T，Esat II（1998）基于分而治之策略解决大规模组合优化问题。神经计算应用7（2）：166-179·Zbl 0911.90224号
[13] Talaván PM，Yáñez J（2002）应用于TSP的Hopfield网络的参数设置。神经网络15（3）：363-373·doi:10.1016/S0893-6080（02）00021-7
[14] Talaván PM，Yáñez J（2005）连续Hopfield网络平衡点算法。计算运算结果32（8）：2179-2196·Zbl 1068.90021号 ·doi:10.1016/j.cor.2004.02.008
[15] Talaván PM，Yáñez J（2006）广义二次背包问题。神经元网络方法。神经网络19（4）：416-428·Zbl 1100.68098号 ·doi:10.1016/j.neunet.2005.10.008
[16] Tan K，Tang H，Ge S（2005）Hopfield网络用于旅行商问题的参数设置。IEEE Trans Circuits System I Regul Pap 52（5）：994-1002·Zbl 1374.82025号 ·doi:10.1109/TCSI.2005.846666
[17] Tang H，Tan KC，Zhang Y（2007）神经网络：计算模型和应用。计算智能研究，第53卷，施普林格，柏林，海德堡·Zbl 1138.68497号
[18] Wang RL，Tang Z，Cao QP（2002）组合优化问题的Hopfield神经网络学习方法。神经计算48（1）：1021-1024·Zbl 1006.68746号 ·doi:10.1016/S0925-2312（02）00596-9
[19] Wen U-P，Lan K-M，Shih H-S（2009）《解决数学规划问题的Hopfield神经网络综述》。欧洲操作研究杂志198（3）：675-687·Zbl 1176.90617号 ·doi:10.1016/j.ejor.2008.11.002
[20] Wilson G，Pawley G（1988）关于Hopfield和tank的旅行商问题算法的稳定性。生物网络58（1）：63-70·Zbl 0637.65062号 ·doi:10.1007/BF00363956
[21] Woeginger GJ（2003）《NP-hard问题的精确算法：一项调查》。In:组合优化Eureka，You Shrink！。纽约州施普林格，第185-207页·Zbl 1024.68529号
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。