一种暂态混沌神经网络及其应用

讨论了Hopfield神经网络算法在优化计算中的应用,提出了一种暂态混沌神经网络模型,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,然后用Hopfield网络得到最优解,有效地解决了Hopfield网络的局部极值问题.仿真结果表明算法对于初始值是稳健的,并且具有很强的克服陷入局部极小能力.     

暂态混沌动力学在神经网络优化计算中的应用

通过在神经网络状态空间演化方程中引入一个非线性反馈项,使神经网络系统的动力学表现出混沌特性。为将混沌动力学作为搜索机制应用于优化问题,又引入一个调节机制构成了暂态混沌神经网络模型。本文着重分析了暂态混沌神经网络动力学行为,并将其应用旅行推销员问题。实现了全局优化且有较快的收敛速度。     

二维物体识别的暂态混沌神经网络方法

给出了一种二维物体识别混沌神经网络的方法,该方法采用图匹配方式的二维物体识别可以转化为一个组合优化问题求解。根据二维物体识别的能量函数定义式推导出一种新的暂戾混沌神经网络模型,它采用混沌模拟退火方式求解优化问题。随着分叉尺度参数的逐步降低,ＴＣＮＮ由混沌解逐步稳定在全局最优的解上,从而得出该方法优于Ｈｏｐｆｉｅｌｄ神经网络的方法。     

暂态混沌神经网络的算法改进及其在TSP中的应用

根据暂态混沌神经网络所具有的通过负反馈系数对神经网络引入退火机制,并通过网络动态运行中系数的不断减少来使网络从初期的混沌状态收敛到稳定收敛状态的特点,将其应用到中国31个省会城市的旅行商问题中.针对应用中所存在的解决较大数目的组合优化问题不易收敛到最优解的情况,将暂态混沌神经网络和传统的启发式算法相结合,提出一种组合算法.给出了改进算法的具体设计以及应用实施的步骤,并对应用结果进行了性能对比分析.     

基于改进神经网络的模糊聚类算法

文章提出了一种新的聚类方法NFC,首先用模糊逻辑神经元网络的聚类算法和Cauchy训练的模拟退火算法相结合的局部算法得到初始聚类中心,然后用FCM算法进行模糊聚类;实验证明,NFC算法在一定程度上解决了FCM局部极值问题且有效性非常高。     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法,神经网络采用RBF网络结点结构,聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中,仿真结果表明具有并行实时性、聚类能力强的特点。     

基于混沌自适应引力搜索的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)易陷入局部极小值和对初值敏感的缺陷,提出一种基于混沌自适应引力搜索的模糊C均值聚类算法.首先采用自适应的更新粒子速度和混沌优化粒子最优位置的策略,对引力搜索算法进行改进.其次,用改进的引力搜索算法优化FCM的初始聚类中心.在Iris和Wine数据集上的实验表明,该算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

基于改进的动态聚类算法的配送车辆调度研究

研究了物流配送车辆调度优化问题,建立了以所需车辆数最少为第一目标,以车辆总行程最短为第2目标的双目标优化模型.把问题分成2阶段进行求解,第1阶段用改进的动态聚类算法分派车辆的配送任务,第2阶段用动态规划方法求出车辆的行车路线;实例证明,算法有效降低问题的复杂性,使问题在合理的时间内得到满意解,模型和算法均具有较大的推广意义.     

基于PSO的模糊C均值聚类算法

在分析模糊C均值聚类算法存在不足的基础上,提出了一种新的聚类算法:基于粒子群的模糊C均值聚类算法.该算法利用粒子群强大的全局寻优能力,不仅克服了传统的模糊C均值聚类算法对初始值敏感、噪声数据敏感、易陷人局部最优的问题,而且有较快的收敛速度.试验证明,这种算法是一种很有潜力的模糊聚类算法.     

改进的暂态混沌神经网络多用户检测器

提出了一种基于自反馈连接权值优化策略的暂态混沌神经网络多用户检测方法.该方法采用一种改进的变指数退火函数,对自反馈权值进行优化,既充分利用混沌的动态特性进行搜索,使算法可以从局部最优值中跳出,又加快收敛速度,减少收敛时间.仿真结果表明,这种检测器在误码率和抗远近效应方面优于已有的神经网络多用户检测器,能较好地逼近最佳多用户检测器的性能.     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

返回扩张不动点与瞬态混沌神经网络中的混沌研究

证明了返回扩张不动点可以生成分布混沌和ω-混沌。作为一个应用,证明了如果满足一定条件,一个瞬态混沌神经网络（TCNN）可以产生分布混沌和ω-混沌。     

基于混沌神经网络的QoS组播路由算法

为了改变Hopfield网络的能量函数梯度下降的趋势,对神经元的内部状态施加了一个混沌控制量以控制神经网络的能量函数增加,减少或保持不变。将该混沌神经网络应用于解决QoS组播路由问题,提出了基于该混沌神经网络的QoS组播路由算法。通过计算机仿真,该算法能根据组播应用对费用和时延的要求,快速有效地构造组播树,与当前其它启发式算法相比较,本文提出的算法是可行和有效的。     

一种求解车辆路径问题的双目标遗传算法

车辆路径问题是一个NP-难问题,将该问题描述成为一个多目标最优化问题,并为之提出了一种双目标遗传算法来解决该问题.在算法中设计了一种新的构造非支配集的方法,改进了杂交算子,混合了局部爬山法.实验结果表明该算法是求解车辆路径问题的一种高效的算法.     

多车场车辆路径问题及混合遗传算法

在多车场车辆路径问题中,综合考虑车辆的行驶路程和使用车辆的数量能有效降低配送成本,考虑了这两方面的因素建立了相应的数学模型,运用混合遗传算法进行了求解,并通过实例证明了模型和算法的有效性。     

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.     

一种混沌神经网络及在优化计算中的应用

提出了一种混沌神经网络模型。在Hopfield网络中引入混沌机制,首先在混沌动态下搜索,然后利用HNN梯度优化搜索。对非线性函数的优化问题仿真表明算法具有很强的克服陷入局部极小能力。     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

利用微正则退火算法求解车辆路径问题

在建立单配送中心的车辆路径问题模型后，提出了一种基于微正则退火算法的求解方法，对一个包含20个需求节点的单配送中心实例进行了实验分析。实验数据表明，微正则退火算法能以较大概率搜索到最优路径集，与传统模拟退火算法相比，它的优势是目标函数值下降更快，能够在较短时间内搜索到满意解。     

四色图着色问题的混沌神经网络解法

采用一种基于退火策略的混沌神经网络（ACNN）算法求解四色图着色问题。将混沌机制引入H0pfield神经网络（HNN），利用混沌的遍历性进行随机搜索，由退火策略控制混沌动态退出和倒分岔出现，使ACNN逐渐趋于一般的HNN．从而既避免了陷于局部极小，又加快了收敛速度，使网络能快速收敛到一个全局最优或近似最优的稳定平衡点。仿真结果表明，这是一个能有效求解四色图着色问题的全局最优化算法。