用随机神经网络优化求解C-TSP  

Solving C-TSP with random neural network

作　　者：王怡雯[1] 丛爽[1] 

机构地区：[1]中国科学技术大学自动化系,安徽合肥230027

出　　处：《吉林大学学报（信息科学版）》2004年第4期359-363,共5页Journal of Jilin University（Information Science Edition）

基　　金：安徽省自然科学基金资助项目(03042301)

摘　　要：基于动态随机神经网络(DRNN:DynamicalRandomNeuralNetwork)求解典型旅行商优化问题TSP(TravelingSalesmanProblem),通过简化方程参数的改进算法,针对解决大规模TSP的求解效果在时间以及路径寻优上所存在的问题,提出一种新的分区方案来解决中国31城市的旅行商问题。所获得的最优路径结果与目前公开文献中已有的其他神经网络所解的结果相比较,显示出采用随机神经网络解决多于10个变量TSP问题的优越性。实验结果表明,采用该方法解决31个城市TSP的优化,所得出的最短距离(15112.7km)比已有5种算法的结果都要少。Based on the algorithm of the typical optimal problems-TSP(Traveling Salesman Problem) with DRNN(Dynamical Random Neural Network), simplifying the parameter in feedback equation, aiming at the problem of time-cost and path-search when solving the large scale TSP, a new project of dividing large scale cities into several sub zones is used to solve the China-TSP problem. The final result is compared with other neural networks in references now available. Random neural network is verified to have the advantage to solve TSP with more than 10 variables. The experiment shows that the final path distant of 31-city-TSP (15 112.7 km) is shorter than the ones of 5 known methods.

关 键 词：随机神经网络 改进算法 组合优化 中国旅行商 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]