基于Hopfield神经网络的路径优化

基于Hopfield神经网络研究旅行商问题(TSP),建立适用于TSP问题的能量函数,给出了路径优化的具体求解算法。分别构造8、20、40个城市的位置坐标,采用Hopfield神经网络实现了不同数目的城市路径问题优化,并对旅行路径优化问题进行了计算机MATLAB模拟仿真。结果证明,基于Hopfield神经网络对路径优化的方法是有效且实用的,解决了当城市数目很大时求取路径最优解的问题。     

基于混沌搜索的神经网络及在优化问题中的应用

在运用Hopfield神经网络求解优化方面问题的同时,引进GCM混沌神经网络,对求解过程进行了改进。通过混沌遍历,可使Hopfield网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值。通过对一个物流配送的实例进行实验,结果显示Hopfield网络的寻优特性获得了较大改进。     

一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上,提出了一种改进的混沌神经网络(ICNN) .通过引入时变的输出函数增益和修正自反馈系数的表达式,使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程,从而拥有更丰富的神经动力学特性与初值鲁棒性.该模型可有效地解决一系列组合优化问题(COP) ,解决了10个与4 8个城市的TSP问题     

一种用于解决TSP问题的新的Hopfield网络

针对Hopfield网络在解TSP问题时出现的存在无效解和收敛速度慢的问题,提出一种正的自反馈Hopfield网络.通过仿真可以看出,该网络在解决TSP问题上易获得有效解,同时还具有收敛速度快和迭代次数少的优点.     

自然共情对游客环境责任行为的影响——以旅游涉入为中介变量

Hopfield神经网络能很好地模拟大脑中的混沌行为,本文根据突触间存在的串扰行为,设计了一种四元忆阻Hopfield神经网络。运用Lyapunov指数谱和分岔图等方法分析忆阻参数和串扰参数变化对神经网络动力学特性的影响,发现该神经网络出现一系列复杂混沌现象。Pspice电路仿真实验结果与理论分析一致,进一步揭示了忆阻Hopfield神经网络的可实现性。     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．     

基于神经网络方法的噪声字符识别研究

文献【1】提出了一种基于布尔神经网络的字符识别方法．本丈采用离散型Hopfield神经网络进行字符识别．该模型与前者相比在信息处理的并行性和实时性等方面更接近实际生物神经网络．仿真结果表明，该方法可以有效地对噪声字符进行识别．     

基于Hopfield网络的异型螺旋槽管优化设计

运用神经网络的Hopfield优化电路，对一种异型螺旋槽管优化设计模型进行了优化设计，优化计算结果表明，基于Hopfield网络的优化设计切实可行，为复杂的优化设计问题提供了新的思路和方法。     

一种改进混沌神经网络及其在组合优化问题中的应用

在传统的混沌神经网络模型基础上，提出了一种改进的混沌神经网络(ICNN)．通过引入时变的输出函数增益和修正自反馈系数的表达式，使该模型可有效地控制Sigmoid输出函数图形的陡度和模型演化中混沌动态的收敛过程，从而拥有更丰富的神经动力学特性与初值鲁棒性．该模型可有效地解决一系列组合优化问题(COP)，解决了10个与48个城市的TSP问题．     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

Hopfield neural network based on ant system

Hopfield neural network is a single layer feedforward neural network. Hopfield network requires some control parameters to be carefully selected, else the network is apt to converge to local minimum. An ant system is a nature inspired meta heuristic algorithm. It has been applied to several combinatorial optimization problems such as Traveling Salesman Problem, Scheduling Problems, etc. This paper will show an ant system may be used in tuning the network control parameters by a group of cooperated ants. The major advantage of this network is to adjust the network parameters automatically, avoiding a blind search for the set of control parameters.This network was tested on two TSP problems, 5 cities and 10 cities. The results have shown an obvious improvement.     

对Hopfield神经网络求解TSP的研究

为了研究Ｈｏｐｆｉｅｌｄ神经网络解决ＴＳＰ（ｔｒａｖｅｌｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ）的算法中网络参数和城市拓扑对网络性能的影响,利用计算机模拟Ｈｏｐｆｉｅｌｄ神经网络求解ＴＳＰ的思路,算法。依据大量运算结果对参数和城市拓扑进行了分析,并得出以下结论：（１）Ｈｏｐｆｉｅｌｄ对网络参数的假定值并不是最佳值,参数Ｄ对于网络的性能有比较明显的影响,Ｄ取１００时,网络的收敛率大大提高;而参数Ａ,     

基于连续型Hopfield网络的最优控制方法

为克服应用离散型Hopfield网络解决动态最优控制问题时,计算量随着系统维数和控制时域的增加而指数增大的不足,提出了一种基于连续型Hopfield网络解决线性离散系统二次型最优控制问题的方法.该方法将线性二次型性能指标转化为连续型Hopfield网络的能量函数,控制序列转化为连续型Hopfield网络神经元的输出向量,从而将线性二次型动态优化问题的求解过程转化为相应的连续型Hopfield网络从初态向终态的运行过程,网络稳态输出反映了最优控制序列.该方法计算量小,实时性好,便于在线优化控制.     

通信网络中缩减的Hopfield神经网络路由算法

为保证神经网络收敛于全局最优点,采用模拟退火算法研究了Hopfield神经网络的局部稳定问题,针对Hopfield神经网络路由算法需要神经元数目众多、计算量大的缺点,提出规模缩小化的Hopfield神经网络路由算法.采用减少神经元数量的方法,减小神经网络规模,提高路由运算能力和神经网络的适应性.比较了原路由算法和改进算法的迭代次数、运算速度和稳定状态能量函数,分析在通信网络和神经网络各参数变化情况下,迭代算法的收敛特性和稳定性的变化规律,总结神经网络路由计算3种约束系数之间的关系.结果表明,缩减的Hopfield神经网络路由计算较原算法具有更高的有效性、可靠性和应用适应性.     

基于人工神经网络的聚类算法

研究连续型Hopfield神经网络的电路机理,推导出网络的权值计算公式,并运用连续型的神经网络模型构造出聚类算法;对20个随机生成数据计算模拟神经网络的运行,逐步调整类内精度多次训练,当参数a=b=500,c=200且类内精度控制不超过0.6时,有一个优化的聚类方案输出。     

改进的连续Hopfield网络求解组合优化问题 ——以TSP求解为例

利用神经网络求解组合优化问题,是一种有效的途径。对连续Hopfield网络的数学模型及稳定性进行了分析;探讨了组合优化问题的神经网络求解方法,针对传统方法参数配置复杂、收敛速度慢等不足,提出了改进算法;最后,通过系统仿真与性能测试验证了该算法的可行性。     

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络、启发式方法更能有效地找到最优解     

Hopfield神经网络在极点配置自校正控制中的应用

将Ｈｏｐｆｉｅｌｄ神经网络应用于极点配置间接自校正控制器设计，提出用一阶Ｔａｙｌｏｒ逼近神经元输出作为参数估计的方法。通过仿真试验研究了该方法的性能。得到的结果与采用指数加权递推最小二乘参估计及用Ｇａｕｓｓｉａｎ消去法求解Ｄｉｏｐｈａｎｔｉｎｅ方程的结果进行了比较，表明使用Ｈｏｐｆｉｅｌｄ网络的控制更好。