用改进的噪声混沌神经网络模型求解组合优化问题  

Improved Noisy Chaotic Neural Networks for Solving Combinatorial Optimization Problems

作　　者：谢传泉[1] 何晨[1] 诸鸿文[1] 

机构地区：[1]上海交通大学电子工程系,上海200030

出　　处：《上海交通大学学报》2002年第3期351-354,共4页Journal of Shanghai Jiaotong University

基　　金：国家自然科学基金重点资助项目 ( 6 9735 10 1)

摘　　要：混沌模拟退火方法 (CSA)在解决组合优化问题时有很强的搜索能力 .其中系数α代表能量函数对动态性的影响 ,α太大 ,能量函数影响太强 ,以至于无法得到暂态混沌现象 ,α太小 ,能量函数的影响太弱 ,从而无法收敛到最优解 .提出了一种自适应参数动态调整方法 ,随着能量函数的逐渐减小 ,通过加大 α,保持能量函数在整个搜索过程中对搜索动态性保持一定的影响 ,从而加快搜索速度 ,同时保持搜索的精度 .计算机仿真结果表明 ,在保持和增强搜索能力的同时 ,文中动态参数算法所用时间与现有的算法相比可以减少 2 0 %～ 5 0 % .Chaotic simulated annealing (CSA) has higher searching ability for solving combinatorial optimization problems, in which α represents the influence of the energy function on dynamics. This paper proposed an adaptive algorithm to adjust this parameter dynamically. As the energy function decreases, α is increased monotonously to maintain the influence of energy function in the whole searching process, so that the searching speed is increased and the searching ability is kept simultaneously. The computer simulation results show that, compared with other exist algorithms, our adaptive parameter algorithm can cut down the searching time by 20%～50%.

关 键 词：噪声 混沌 神经网络模型 组合优化问题 推销员问题 

分 类 号：O224[理学—运筹学与控制论] TP183[理学—数学]