tailieunhanh - Kết hợp mạng nơ ron RBF với thuật toán ACO giải bài toán MLP

Bài viết Kết hợp mạng nơ ron RBF với thuật toán ACO giải bài toán MLP trình bày việc cải tiến việc tìm kiếm địa phương khi dùng mạng nơ-ron RBF kết hợp với thuật toán SMMAS_LS, nên đã thể hiện ưu điểm vượt trội thông qua kết quả thực nghiệm chạy trên các bộ dữ liệu chuẩn TSPLIB[ | Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN 978-604-82-2548-3 KẾT HỢP MẠNG NƠ-RON RBF VỚI THUẬT TOÁN ACO GIẢI BÀI TOÁN MLP Đặng Thị Thu Hiền Khoa Công nghệ thông tin - Trường Đại học Thủy lợi email hiendt@ 1. GIỚI THIỆU CHUNG 2. PHƯƠNG PHÁP NGHIÊN CỨU Mạng nơ-ron nhân tạo Artifical Neural . Bài toán MLP Network nói chung và Mạng nơ-ron RBF Radial Basis Function là một trong những Cho đồ thị đầy đủ Kn với tập đỉnh công cụ hữu hiệu để giải các bài toán nội suy V 1 2 n và ma trận chi phí không âm hồi quy tìm kiếm địa phương Bài toán cực C cij i j 1 2 n với cij là khoảng cách tiểu độ trễ Minimum Latency Problem - giữa hai đỉnh i và j. Giả sử T v1 v2 vn là MLP là bài toán thuộc lớp NP-Khó. Đây là một hành trình xuất phát từ v1 đường đi xuất bài toán nhận được nhiều sự quan tâm nghiên phát từ v1 đi qua mỗi đỉnh của đồ thị đúng một cứu vì các ứng dụng thực tế của chúng. Có rất lần trên Kn. Kí hiệu P v1 vk là đoạn đường đi nhiều phương pháp đã được đề xuất để giải từ v1 đến vk trên hành trình T. Ta gọi độ trễ quyết bài toán này. Trong đó nổi lên là các của đỉnh vk trên hành trình T ký hiệu bởi phương pháp meta-heuristic đã có hàng loạt lat vk là độ dài của đường đi P v1 vk k 1 các tác giả đề xuất như A. Salehipour et al. 3 lat v k i 1 c vi vi 1 k 1 2 K n đề xuất thuật toán meta-heuristic dựa trên Độ trễ của hành trình T ký hiệu là L T GRASP Greedy randomized adaptive search được định nghĩa như là tổng độ trễ của tất cả procedure và VNS Variable neighborhood n search M. Silva et al. 4 cũng đề xuất một các đỉnh thuộc nó L T k 1 lat v k thuật toán meta-heuristic khác dựa trên lược Giả sử v1 là đỉnh cho trước bài toán MLP đồ của GRASP ILS Iterated local search và yêu cầu tìm hành trình xuất phát từ đỉnh v1 RVND Random variable neighborhood với độ trễ là nhỏ nhất. descend . Phương pháp tối ưu hóa đàn kiến Ant Colony Optimization - ACO là cách tiếp Phương pháp ACO cận meta-heuristic tương đối mới và hiệu quả Dựa theo quy luật di chuyển theo vết mùi .