توضیحات محصول
دانلود پاورپوینت يک شبکه عصبی فازی ژنتيکی جديد برای حل مسئله فروشنده دوره گرد با فرمت ppt ودر 17 اسلاید قابل ویرایش
قسمتی از متن پاورپوینت يک شبکه عصبی فازی ژنتيکی جديد برای حل مسئله فروشنده دوره گرد
شرح مسأله فروشنده دوره گرد
مساله فروشنده دورهگرد (Traveling Salesman Problem)
كاربردها
• بسياري از مسايل بهينهسازي قابل تبديل به مساله فروشنده دورهگرد هستند.
• بعلاوه TSP مسالهاي كلاسيك براي مقايسه روشهاي مختلف بهينهسازي با يكديگر است.
• تعيين مسير بهينه حركت مته براي سوراخ كردن صفحههاي مدارچاپي،
تعيين مسير بهينه انتقال داده در شبكههاي كامپيوتري،
پردازش تصوير و تشخيص الگو،
از جمله زمينههايي هستند كه حل TSP برايشان بسيار راهگشاست.
روش های متداول برای حل TSP
• الگوريتم های کلاسيک جستجوی محلی
• بازپخت تطبيقی
• شبکه های عصبی مصنوعی
• الگوريتم های ژنتيکی
• برنامه نويسی تکاملی
• سيستم کولونی مورچه ها
• روش های آموزش افزايشی مبتنی بر جمعيت
• Fine-tuned learning
الگوريتم آموزش CNN-TSP
دارای
• فاز سازنده: در اين مرحله، شبکه با اضافه شدن شهرهای جديد به مسير توسعه می يابد.
• فاز بهينه ساز: با جابجايی شهرهای موجود بر روی مسير، مسير فعلی بهبود می يابد.
مزايای CNN-TSP در مقايسه با کوهونن:
• .سرعت همگرايی CNN-TSP در حدود 20 برابر کوهونن
• طول پاسخ های CNN-TSP به طور متوسط (برای مسيرهای 50 شهری) در مقايسه با
کوهونن، 2.5% کوتاهتر است.
بهبود CNN-TSPبا استفاده از منطق فازی
عامل مؤثر بر پاسخ های CNN-TSP
در هر مرحله از فاز سازنده کدام شهر در مسير قرار گيرد.
الگوريتم های ژنتيکی
تصميم گيرنده رقابتی
در نرون های لايه های سوم و چهارم تعيين می شود که کدام نرون بايد در کجای مسير قرار گيرد
تصميم گيرنده فازی
ورودی ها
•افزايش طول ايجاد شده که توسط نرونهای لايه سوم محاسبه می شود.
•.طول کمان برنده که توسط نرون آستانه محاسبه می شود.
خروجی
•ارزش هر يک از شهرها
توابع عضويت ورودی و خروجی
بیشتر
نقد و بررسیها
هنوز بررسیای ثبت نشده است.