共查询到10条相似文献,搜索用时 505 毫秒
1.
四色和K色图着色问题的瞬态混沌神经网络解法 总被引:3,自引:0,他引:3
首先给出了用神经网络求解四色图着色问题的神经网络结构和能量函数 ,然后采用了具有瞬态混沌特性的神经网络 ( TCNN)来解四色图着色问题 .由于引入具有复杂动态特性的瞬态混沌使得该法具有很强的搜索全局最优解的能力 .仿真结果表明 ,用该法解四色图着色问题总能保证使能量函数收敛到最优解 ,有效避免了用传统的 Hopfield人工神经网络 ( HNN)解此问题时极易陷入局部极小的缺陷 ,并且收敛速度更快 .另外我们还用此法求解了属于 NP-完全问题的 K色图着色问题. 相似文献
2.
3.
针对传统神经网络在搜索NP类问题的解时易陷于局部最优点的不足,提出了一种基于改进型能量函数(IEF)和瞬态混沌神经网络(TCNN)的优化模型,将此应用于旅行商问题(TSP)的求解,并和传统神经网络优化方法进行了比较。仿真研究结果表明,该论文所提出的方法在解的可行性以及全局最优解的获取能力方面都有很大优势,收敛速度和准确度也令人满意。 相似文献
4.
分析了三种现有的混沌神经网络模型的优化性能,针对目前混沌神经网络收敛率不高和搜索时间较长的问题提出了一种双混沌神经网络。它不同于以往的混沌神经网络改进方法,不是延长退火时间或改变混沌程度来提高网络性能,而是通过混沌迭代搜索使混沌神经网络在有限步内找到全局最优解的初值来提高收敛率与收敛速度。这种方法能使混沌神经网络在应用中具有更好的全局优化能力,并且可以缩短混沌神经网络的搜索时间,对旅行商问题求解的仿真对比和函数优化问题的仿真,说明了新方法比现有方法具有更好的收敛率和更短的搜索时间。 相似文献
5.
多脉冲控制的暂态混沌神经网络及其应用 总被引:1,自引:0,他引:1
针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z_i(t)和神经元输出陡度ε_i(l)两个参数的调制,将混沌动力以脉冲方式进行控制,施加于神经网络上,形成具有多频次跳出局部极小点功能的脉冲暂态混沌神经网络。PTCNN包含若干可调参数,可以控制整个系统呈现丰富多样的动力特性。随着混沌动力脉冲的间歇加入,系统交替进入混沌状态和稳定状态,因此既可以不断地跳出极小点的局域范围,又可以在局部区域内向此区域的极小点不断靠近,进而稳定到此极小点,使系统可以更有效地进行问题的全局寻优。算例表明,PTCNN比TCNN在全局寻优方面更具优势。PTCNN实际是TCNN的推广和延伸,比TCNN更具有一般性和更强的优化搜索能力,因此应用空间更为广泛。 相似文献
6.
一种混沌神经网络及其在优化计算中的应用 总被引:11,自引:2,他引:9
研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。 相似文献
7.
8.
通过大量仿真实验,考察了粒子群算法(PSo)中粒子平均速度和算法收敛性之间的关系,提出了一种基于粒子速度反馈信息的自适应调整权重策略,同时在搜索过程中引入混沌序列.给出的收敛性分析证明,该算法可以以概率1收敛到全局最优解.对经典函数的测试计算表明,改进后的PSO算法较好地解决了基本粒子群算法中易陷入局部最优的缺点,在稳定性和收敛精度上均优于普通的PSO算法.改进的粒子群算法被用于优化神经网络的结构和参数,并将基于改进算法的神经网络用于4cBA软测量建模中.实际应用表明,与基于其它智能算法的神经网络相比,该网络不仅有较高的泛化性能,而且有更快的学习速度和较好的实时性. 相似文献
9.
一种新型自适应混沌粒子群算法在联盟运输调度问题中的研究 总被引:4,自引:0,他引:4
提出了一种新的自适应混沌粒子群优化算法.该算法在运行过程中根据群体适应度方差和最优解的大小确定当前最佳粒子引入混沌搜索有效位置的概率,有效结合粒子群全局和混沌局部搜索,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决联盟运输调度问题,实验结果表明该算法具有较好的性能. 相似文献
10.
基于克隆选择原理,引入混沌机制和小生境技术,提出了一种新的人工免疫算法--改进型克隆选择算法(ICSA).该算法设计了一种自适应混沌变异算子,有效地避免了搜索的盲目性,提高了算法的收敛速度.利用随机过程鞅理论,分析了算法所形成抗体种群的平均适应度鞅的性质,并且当种群为有限状态时,证明了该算法能以概率1确保在有限步内收敛到全局最优解.对多模态函数优化的仿真实验表明,该算法能有效地抑制早熟,具有更好的全局收敛性. 相似文献