پاورپوینت يک شبکه عصبی فازی ژنتيکی جديد برای حل مسأله فروشنده دوره گرد (pptx) 17 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 17 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بسم الله الرحمن الرحيم
يک شبکه عصبی فازی ژنتيکی جديد برای حل مسأله فروشنده دوره گرد
شرح مسأله فروشنده دوره گرد
مساله فروشنده دورهگرد (Traveling Salesman Problem)
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
کوهونن
هاپفيلد
بولين
آشوبی
CNN-TSP
شبکه عصبی CNN-TSP
يک شبکه عصبی چهار لايه
دارای دو بخش بهينه ساز و سازنده
الگوريتم آموزش CNN-TSP
الگوريتم آموزش دارای دو فاز است:
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-TSP با استفاده از منطق فازی
عامل مؤثر بر پاسخ های CNN-TSP
در هر مرحله از فاز سازنده کدام شهر در مسير قرار گيرد.
تصميم گيرنده رقابتی
در نرون های لايه های سوم و چهارم تعيين می شود که کدام نرون بايد در کجای مسير قرار گيرد
عامل مؤثر بر اين انتخاب افزايش طول ايجاد شده، با اضافه شدن شهر جديد به مسير است.
الگوريتم های ژنتيکی
بهبود CNN-TSP با استفاده از منطق فازی
تصميم گيرنده فازی
افزايش طول ايجاد شده که توسط نرونهای لايه سوم محاسبه می شود.
.طول کمان برنده که توسط نرون آستانه محاسبه می شود.
ورودی ها
ارزش هر يک از شهرها
خروجی
توابع عضويت ورودی و خروجی
طراحی پايگاه قواعد با استفاده از الگوريتم های ژنتيکی
سيستم های فازی قادر به يادگيری نيستند، اما نيازمند به پايگاه دانشی هستند که بايد بر اساس تجربيات يک فرد خبره طراحی شود.
طراحی سيستم های فازی با استفاده از الگوريتم ژنتيکی
روش ميشيگان
روش پيتزبرگ
روش آموزش قواعد با تکرار
روش پيتزبرگ در طراحی پايگاه قواعد
در اين شيوه کل پايگاه قواعد به عنوان يک کروموزوم در نظر گرفته می شود.