ارایه یک شبکه عصبی ترکیبی برای حل مساله فروشنده دورهگرد (TSP)
اسلاید 1: بسم الله الرحمن الرحيم
اسلاید 2: ارايه يك شبكه عصبي تركيبي براي حل مساله فروشنده دورهگرد(TSP) ارائه دهندگان: مهدي سعادتمند طرزجاندانشجوي كارشناسي محمد رضا اكبرزاده توتونچي عضو هيات علمي مرتضي خادميعضو هيات علميدانشگاه فردوسي مشهد، دانشكده مهندسيارديبهشت 1380
اسلاید 3: شرح مساله فروشنده دوره گردحلTSP بوسيله شبكههاي عصبي هاپفيلد و كوهونن ارائه شبكه عصبي پيشنهادينتايج تجربي و جمعبندي
اسلاید 4: شرح مساله فروشنده دورهگردمساله فروشنده دورهگرد(Traveling Salesman Problem) بعلاوه TSP مسالهاي كلاسيك براي مقايسه روشهاي مختلف بهينهسازي با يكديگر است. بسياري از مسايل بهينهسازي قابل تبديل به مساله فروشنده دورهگرد هستند. 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.كاربردها Symmetric TSP
اسلاید 5: قرارداد: N تعداد شهرها است. فاصله شهر i ام تا j ام است. عبارت ، درايه k ام از بردار خروجي نرون i ام كه در لايه l امِ شبكه واقع است، را نشان ميدهد.
اسلاید 6: بيان TSP به صورت مساله اي خطي معادلات خطي قيدهاي پاسخهاي مساله TSP عبور از تمام شهرها. مسير از هر شهر فقط يك بار بگذرد.
اسلاید 7: حل TSP بوسيله شبكههاي عصبي رايجTSP و شبكه عصبي كوهونن مزايا معايب ساختار
اسلاید 8: TSP و شبكه عصبي هاپفيلد مزايا معايب ساختار
اسلاید 9: ارائه شبكه عصبي پيشنهاديانديشه اصلي شبكه عصبي پيشنهاد شده لايه دوم لايه سوم لايه چهارم لايه اولساختار شبكه عصبي پيشنهاد شده
اسلاید 10: الگوريتم آموزش شبكهي پيشنهادي الگوريتم آموزش شبكه1. مسير معتبري را انتخاب ميكنيم(مسيري معتبر است كه در شرايط ذكر شده صدق كند).2. خروجي نرونهاي لايه اول را با توجه به مسير اوليه تعيين ميكنيم.3. وزنهاي نرونهاي لايه چهارم را بهنگام ميكنيم. 4. اجازه ميدهيم شبكه يك مرحله آموزش يابد.5. شهر نظير نرون برنده در لايه چهارم را از محل فعلياش به محل جديدي كه شبكه در خروجي اين نرون بيان ميكند منتقل ميكنيم. 6. اگر در لايه آخر نروني برنده نشده باشد، شبكه پايدار شده است. و آموزش شبكه پايان مييابد.7. مراحل 3، 4، 5 و 6 را تا آنجا تكرار ميكنيم كه شبكه پايدار شود. نحوه آموزش شبكهي پيشنهادي قابليتهاي الگوريتم آموزش
اسلاید 11: توليد مسير اوليهاي معتبر براي شبكه عصبي پيشنهادي1- مسير تصادفي2- نزديكترين همسايه3- پوسته محدب(Convex Hull)4- پوستهاي بر اساس بزرگترين چهارضلعي(HTFMDP , Hull Through Four Most Distant Points)6- توليد مسير اوليه بر مبناي شبكه عصبي پيشنهادي(روش دوم)5- توليد مسير اوليه بر مبناي شبكه عصبي پيشنهادي(روش اول)
اسلاید 12: نتايج تجربيمقايسه پاسخهاي شبكه پيشنهادي به مسيرهاي اوليه مختلفنحوه اندازه گيري و نرمال كردن كميتها طول متوسط مسيرها
اسلاید 13: نتيجه مقايسه مقايسه سرعت شبكه با دو الگوريتم Convex Hull و HTFMDP زمان متوسط و تعداد متوسط فيدبكهاي شبكه
اسلاید 14: نتيجه مقايسه مقايسه دقت شبكه پيشنهادي نسبت به شبكه عصبي كوهونن
اسلاید 15: پاسخ شبكه به يك TSP ي 280 نقطه اي
اسلاید 16: جمعبندي
اسلاید 17: با تشكر از اساتيد و حضار محترم
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.