milan米兰体育app下载 关于 Hopfield 神经网络作为 EDA 解决组合优化问题的能力

引用

Swingler K (2012) 关于 Hopfield 神经网络作为 EDA 解决组合优化问题的能力。见：Rosa A、Correia A、Madani K、Filipe J 和 Kacprzyk J（编辑）IJCCI 2012 - 第四届国际计算智能联合会议论文集。第四届进化计算理论与应用国际会议，ECTA 2012，和第四届国际计算智能联合会议，IJCCI 2012，西班牙巴塞罗那，2012年10月5日至2012年10月7日。 SciTePress，第 152-157 页。

摘要
多模态优化问题的特征是存在局部次优点或多个同等最优点。这些局部最优可以被视为爬山搜索算法的点吸引子。希望能够对它们进行建模，以避免将局部最优误认为是全局最优，或者允许发现多个同样最优的解决方案。 Hopfield 神经网络能够将许多模式建模为从已知模式中学习的点吸引子。本文展示了 Hopfield 网络如何根据目标函数的非最佳样本对多个点吸引子进行建模。由此产生的网络能够建模并生成达到一定容量的多个局部最优解。研究了这种能力以及扩展它的方法。

关键字
优化；霍普菲尔德神经网络；分布算法的估计