摘要
混沌模拟退火法 ( CSA)是一种能有效解决局部极值问题的全局最优化算法 ,其神经元的自反馈连接权值 zi 的演变函数称为退火函数 ,它影响暂态混沌神经网络 ( TCNN)优化方法的准确性和计算速度 .文中通过比较单细胞 TCNN模型 CSA中两种最常用的退火函数 (线性退火和指数退火函数 ) ,给出了一种新的分段指数退火函数 ,使得算法的收敛速度加快 ,搜索精度增加 .并利用推销员问题 ( TSP)
Chaotic simulated annealing (CSA) is a global optimization algorithm which can effectively avoid local minimal. The evolution function of self-feedback connect weight zi, called annealing function, influences the accurate and search speed of TCNN module. This paper analyzed two common annealing functions through single cell TCNN module: lineal annealing and exponential annealing, furthermore proposed a new subsection exponential annealing function which can both accelerate the search speed and obtain more accurate optimization result. At last, it compared these methods in TSP problem, which shows that the new annealing function is better than the other two.
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2003年第3期323-326,共4页
Journal of Shanghai Jiaotong University
基金
国家自然科学基金资助项目 (60 2 72 0 82)
关键词
混沌
神经网络
模拟退火
推销员问题
组合优化
Chaos theory
Optimization
Simulated annealing
Traveling salesman problem