این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۷، شماره ۲، صفحات ۶۳-۷۶
عنوان فارسی ترکیب بهینه شبکه‎ عصبی آشوب‎گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی در حل مسئله فروشنده دوره گرد
چکیده فارسی مقاله این مقاله یک ترکیب هم­افزای شبکه عصبی آشوب‎گون با پسخوراند خودی، نمای لیاپانوف و تبرید تدریجی را برای حل مسائل بهینه‎سازی ترکیبی نظیر فروشنده دوره‌گرد (TSP) پیشنهاد می‎دهد. برخلاف شبکه‎های عصبی مصنوعی که با دینامیک گرادیان نزولی به سمت نقطه تعادل پایدار همگرا می‎شوند، شبکه­های عصبی آشوبی دینامیک­های فضایی - زمانی غنی‎تر و ساختار پیچیده‎تری دارند؛ بنابراین انتظار می­رود شبکه عصبی آشوبی توان زیادی برای یافتن نقطه بهینه سراسری و یا دست‌کم نزدیک به سراسری داشته باشد. یکی از مهم‌ترین مشکلات شبکه‎های عصبی مصنوعی، گرفتاری آن‌ها در کمینه‎های محلی است. اگرچه شبکه‎های عصبی آشوب­گون تا حدی این مشکل را حل می­کنند، ولی به لحاظ سرعت همگرایی در حرکت به سوی نقطه تعادل مشکل دارند؛ بنابراین در این مقاله به کمکِ نمای لیاپانوف و تبرید تدریجی، حضور شبکه در حالت آشوب­گون، کنترل و شبکه به سمت نقطه بهینه سراسری هدایت می‎شود. به‎منظور ارزیابی این شبکه، TSP با تعداد شهرهای مختلف استفاده شده است. نتایج شبیه‎سازی نشان می‎دهد این شبکه‎ می‎تواند جواب بهینه را در TSP با تعداد تکرار کمتر و سرعت بیشتر پیدا کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی The optimum combination of chaotic neural network with self-feedback, Lyapunov exponent, and simulated annealing in solving of travelling salesman problem
چکیده انگلیسی مقاله This paper proposes a synergetic combination of chaotic neural network with self-feedback, Lyapunov exponent, and simulated annealing for combinatorial optimization problems such as travelling salesman problem (TSP). Unlike conventional neural networks only with point attractors, the chaotic neural network has more flexible dynamics, so that it can be expected to have higher ability of searching for optimal or near-optimal global solutions. One of the most important problems related to conventional neural networks is becomies trapped into the local minimums. Although chaotic neural networks can solve this problem, but they have difficulty due to convergence towards the equilibrium point. Therefore, we have tried to add the Lyapunov exponent and gradual cooling factor as a simulated annealing process, until network converges to the global optimal solutions quickly. In order to evaluate the proposed approach, TSP with different cities is used. Numerical experiments of the propsed approach on 10-TSP are shown that it has high efficiency to converge to global optimal solutions.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید عابد حسینی | seyyed abed
دانشگاه آزاد اسلامی واحد مشهد
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی مشهد (Islamic azad university of mashhad)

محمد رضا اکبرزاده توتونچی | mohammad reza akbarzadeh totonchi
دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://isee.ui.ac.ir/article_20723_4cb546ff48716125848211a58ca88008.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343710.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات