基于Hopfield神经网络算法的航线优化研究

采用连续型Hopfield神经网络算法航线进行优化设计,综合考虑航线运价以及路程作的约束条件,设计最优航线。考虑构造相应置换矩阵,将目标函数以及约束条件作为构造条件设计相对应的能量函数,将问题的最优解映射到神经网络的稳定状态上,采用MATLAB软件进行算法的编程和求解,最终得出单位路程运价最低的航线优化方案。     

Hopfield神经网络算法求解路网最优路径

为了解决经典算法在求解大规模路网最优路径时运算时间长的问题,研究了Hopfield神经网络的特点,建立了一般路网的数学模型,根据Hopfield神经网络的特点设计了适合车辆诱导的路网Hopfield神经网络最优路径算法.采用动态邻接矩阵对该算法进行了优化,减少了运算时间.把该Hopfield神经网络算法应用于所研发的车辆诱导系统的最优路径求解中,并进行了实际路网测试,结果表明应用该算法能够正确求解路网的最优路径,且比经典算法的运算效率高.     

连续Hopfield网络稳定性判定的新方法

概述了关于连续Ｈｏｐｆｉｅｌｄ网络的经典性工作,针对推广的Ｈｏｐｆｉｅｌｄ网络,推导了在条件Ｔ下以可微零均值非线性函数作为激励函数的Ｈｏｐｆｉｅｌｄ网络全局稳定的三个充分条件,给出了Ｈｏｐｆｉｅｌｄ网络稳定性判定的新方法,并通过实例进行了验     

延迟离散Hopfield型网络的异步收剑性

延迟离散Hopfield型网络是离散Hopfield网络的一种推广,研究了非对称的延迟离散Hopfield型神经网络的异步收剑性,并给出了相应的收剑性定理,所获结果推广了已有的结论。     

基于ALR的Hopfield神经网络在高程拟合中的应用

运用具有正规化项的增广拉格朗日函数作为神经网络的能量函数，辅助二次曲面拟合，进一步探索Hopfield神经网络在高程拟合中的应用。实际算例表明，该方法可以大大提高神经网络的计算效率和可靠性。     

基于神经网络的组合电路测试生成算法

介绍了一种基于神经网络的组合电路测试生成算法。该算法不同于传统的方法是它既不需要回退也不需要故障传播的过程。利用Hopfield神经网络模型将组合电路表示成双向的神经网络，通过故障注入，建立被测电路的约束网络，并构造网络的能量函数，将组合电路的测试矢量对应于神经网络能量函数的最小值点，从而运用遗传算法求解能量函数的最小值点来求得测试矢量。在一些基准电路上的实验结果表明本算法具有较高的故障覆盖率和较短的测试时间。     

对Hopfield网络求解TSP算法的一种改进

将旅行商问题映射成神经网络的形式做了改进,采用固定许行起点的方法,减少了求解过程中等价解不必要地出现。在保持原来算法优点的同时,使得所需神经元的数目减少２Ｎ－１个,这对提高计算效率以及神经网络的硬件实现是有意义的。计算机模拟说明了此算法的有效性。     

神经网络在组合优化问题中的应用

目的 研究神经网络在组合最优化问题中的应用。方法 通过讨论Ｈｏｐｆｉｅｌｄ神经网络模型,建立最优化问题的计算能量函数。结果和结论 给出组合数字中八皇后问题的计算能量函数,使八皇后问题的解对应计算能量函数的最小值,并用Ｃ语言进行计机模拟,得到其全部解。     

基于ALR的Hopfield神经 网络在高程拟合中的应用

运用具有正规化项的增广拉格朗日函数作为神经网络的能量函数,辅助二次曲面拟合,进一步探索 Hopfield神经网络在高程拟合中的应用。实际算例表明,该方法可以大大提高神经网络的计算效率和可靠性。     

用神经网络求解TSP的一种改进算法

对利用神经网络求解ＴＳＰ问题的算法进行了改进,在保持算法优点的基础上,使得所需神经元的数目减少,对提高计算效率以及神经网络的硬件实现有参考价值。     

利用Hopfield网络求Hamilton圈的算法

本文通过给一个图和补图构成的完全图的各边赋权的方法，使一个图的Ｈａｍｉｌｔｏｎ圈问题归结为旅行商问题（ＴＳＰ），并给出判定Ｈａｍｉｌｔｏｎ图的准则．为了用Ｈｏｐｆｉｅｌｄ网络解ＴＳＰ时容易获得最优解，简化了方程组，提出了新的初始值设置等方法．实例计算的结果表明，本文的算法是有效的，能够迅速地求得Ｈａｍｉｌｔｏｎ圈．     

改进的连续Hopfield网络求解组合优化问题 ——以TSP求解为例

利用神经网络求解组合优化问题,是一种有效的途径。对连续Hopfield网络的数学模型及稳定性进行了分析;探讨了组合优化问题的神经网络求解方法,针对传统方法参数配置复杂、收敛速度慢等不足,提出了改进算法;最后,通过系统仿真与性能测试验证了该算法的可行性。     

基于三值神经网络的组合电路测试生成算法

针对集成电路的规模和复杂度不断增加而相应的测试却越来越困难问题,提出了一种基于三值神经网络的组合电路测试生成算法．该算法不需要传播,也不需要回退,而是利用三值神经网络把组合电路表示成双向的神经网络,并构造网络的能量函数,用遗传算法求解能量函数的最小值点来求得测试矢量,这样就把组合电路的测试生成问题转化为数学问题．在一些基准电路上的实验结果表明,本算法具有较高的故障覆盖率和较短的测试时间．     

神经网络在组合优化问题中的应用

目的研究神经网络在组合最优化问题中的应用.方法通过讨论 Hopfield 神经网络模型,建立最优化问题的计算能量函数.结果和结论给出组合数学中八皇后问题的计算能量函数,使八皇后问题的解对应计算能量函数的最小值,并用 C 语言进行计机模拟,得到其全部解.     

含脉冲的Hopfield神经网络模型及其收敛性

利用脉冲微分方程,建立了一种新型神经网络模型,通过构造Lyapunov函数方法,讨论了网络的周期振荡性,和全局指数收敛性质及其收敛速率,并给出一实例说明所得结论.     

解决陷入局部极小的一种新方法

本文提出一种能有交地解决Ｈｏｐｆｉｅｌｄ网在能量变化过程之中陷入局部极小问题的方法，这种方法通过有选择性地改变权值矩阵Ｗ的对角元以及有某种特定顺序的串行工作方式来使得网络跳出局部极小值（点）向能量最小点逼近，模拟结果显示：这种方法不仅速度比较快（与模拟退火法Ｓｉｍｕ－ｌａｔｅｄ Ａｎｎｅａｌｉｎｇ Ｍｅｔｈｏｄ比较），而且在每次实验中达到全局最小点的成功率也非常高。在所进行的众多的实验中，迄今为止     

关于非对称Hopfield神经网络的稳定性

根据矩阵特征值分布范围，讨论了连续时间Ｈｏｐｆｉｅｌｄ神经网络模型的渐近稳定性，给出了目前最优的结果，这对于实际网络设计有重要的指导作用。     

通信网络中缩减的Hopfield神经网络路由算法

为保证神经网络收敛于全局最优点,采用模拟退火算法研究了Hopfield神经网络的局部稳定问题,针对Hopfield神经网络路由算法需要神经元数目众多、计算量大的缺点,提出规模缩小化的Hopfield神经网络路由算法.采用减少神经元数量的方法,减小神经网络规模,提高路由运算能力和神经网络的适应性.比较了原路由算法和改进算法的迭代次数、运算速度和稳定状态能量函数,分析在通信网络和神经网络各参数变化情况下,迭代算法的收敛特性和稳定性的变化规律,总结神经网络路由计算3种约束系数之间的关系.结果表明,缩减的Hopfield神经网络路由计算较原算法具有更高的有效性、可靠性和应用适应性.     

Hopfield网络的稳定性优化计算研究

通过对阈值进行适当的设置,分析了权值矩阵对角元为任意实数时Ｈｏｐｆｉｅｌｄ网络的稳定性,并以此为基础给出了一种新的网络优化计算算法。     

Hopfield网络与三角剖分

讨论了构造平面点集的三角剖分的一个简单的充分必要条件,为使用Hopfield网络解决最优三角剖分问题准备必要的理论基础。