基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化計算實驗報告.doc

精品文檔人工智能實驗報告實驗六基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化計算實驗一、實驗?zāi)康模赫莆者B續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和運(yùn)行機(jī)制，理解連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計算的基本原理,掌握連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計算的一般步驟。二、實驗原理連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)的極小化過程表示了該神經(jīng)網(wǎng)絡(luò)從初始狀態(tài)到穩(wěn)定狀態(tài)的一個演化過程。如果將約束優(yōu)化問題的目標(biāo)函數(shù)與連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)對應(yīng)起來，并把約束優(yōu)化問題的解映射到連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的一個穩(wěn)定狀態(tài)，那么當(dāng)連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù)經(jīng)演化達(dá)到最小值時，此時的連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的穩(wěn)定狀態(tài)就對應(yīng)于約束優(yōu)化問題的最優(yōu)解。三、實驗條件：VC6.0。四、實驗內(nèi)容： 1、參考求解TSP問題的連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)源代碼，給出15個城市和20個城市的求解結(jié)果（包括最短路徑和最佳路線），分析連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)求解不同規(guī)模TSP問題的算法性能。 2、對于同一個TSP問題（例如15個城市的TSP問題），設(shè)置不同的網(wǎng)絡(luò)參數(shù)，分析不同參數(shù)對算法結(jié)果的影響。 3、上交源代碼。五、實驗報告要求：1、畫出連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)求解TSP問題的流程圖。2、根據(jù)實驗內(nèi)容，給出相應(yīng)結(jié)果及分析。(1)15個城市（測試文件TSP15.TXT）tsp15.txt 最短路程 371 最佳路線 (2)20個城市（測試文件TSP20.TXT）tsp20.txt 最短路程349 最佳路線3、總結(jié)連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)和遺傳算法用于TSP問題求解時的優(yōu)缺點(diǎn)。遺傳算法易出現(xiàn)早熟收斂和收斂性差的缺點(diǎn)。Hopfield算法對高速計算特別有效，但網(wǎng)絡(luò)不穩(wěn)定。 用Hopfield解TSP問題效果并不理想。相對前面的遺傳算法解TSP性能有相當(dāng)大差距。六、實驗心得通過本次實驗，我基本掌握了連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和運(yùn)行機(jī)制，大體理解了連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計算的基本原理,掌握了連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)用于優(yōu)化計算的一般步驟。歡迎您的下載，資料僅供