Нейрокомпьютерные системы


         

Решение задачи коммивояжера сетью Хопфилда


Рассмотрим задачу коммивояжера для

городов. Известны расстояния

между каждой парой городов

; коммивояжер, выходя из одного города, должен посетить
других городов, заходя по одному разу в каждый, и вернуться в исходный. Требуется определить порядок обхода городов, при котором общее пройденное расстояние минимально.

Пусть сеть Хопфилда состоит из

нейронов, а состояние нейронов описывается двойными индексами
, где индекс

связан с именем города,

- с позицией города в маршруте коммивояжера. Запишем функцию вычислительной энергии для сети, предназначенной решать задачу коммивояжера. В ней состояние с наименьшей энергией должно соответствовать самому короткому маршруту. Функция энергии должна удовлетворять следующим требованиям:

1) должна поддерживать устойчивое состояние в форме матрицы

(1)

в которой строки соответствуют городам, столбцы - их номерам в маршруте; в каждой строке и каждом столбце только одна единица, остальные нули;

2) из всех решений вида (1) функция энергии должна поддерживать те, которые соответствуют коротким маршрутам.

Таким требованиям удовлетворяет функция энергии в виде:

(2)

где первые три члена поддерживают первое требование, четвертый член — второе. Первый член равен нулю, если каждая строка

содержит не более одной единицы. Второй равен нулю, если каждый столбец
содержит не более одной единицы. Третий равен нулю, если в матрице всего
единиц. Короткие маршруты поддерживает четвертый член. В нем индексы

берутся по модулю

для того, чтобы показать, что
-й город соседствует в маршруте с
, т.е.
. Четвертый член численно равен длине маршрута. Каноническое выражение для функции вычислительной энергии имеет вид

(3)

Из (2) и (3) получаем веса сети Хопфилда:

Здесь

- символ Кронекера.

Моделирование работы сети Хопфилда показало, что лучшее по качеству решение дает сеть, нейроны которой имеют сигмовидную характеристику, а сеть, в которой нейроны имеют ступенчатые переходы, приходила к финальным состояниям, соответствующим маршрутам немного лучшим, чем случайные. Многочисленные исследования показывают, что качество решения задачи минимизации функции энергии (2) существенно зависит от выбора производной сигмовидной униполярной функции активации нейрона в окрестности нуля. При малой величине производной минимумы энергии оказываются в центре гиперкуба решений (некорректное решение), при большой величине производной сеть Хопфилда попадает в вершину гиперкуба, соответствующую локальному минимуму функции энергии. Кроме того, на качество решения существенное влияние оказывает выбор коэффициентов

. Поиск методов оптимального выбора этих коэффициентов является в настоящее время предметом интенсивных исследований.




Содержание  Назад  Вперед