پیاده سازی حل کننده های مساله تخصیص درجه دوم با رویکرد شبکه های عصبی هاپفیلد

در این نوشتار به روش پیاده سازی حل مسایل تخصیص درجه دوم با شبکه های عصبی هاپفیلد پرداخته شده است. همچنین راه کار های بهبود عملکرد این شبکه توسط آزمون و خطا و همچنین بکارگیری ایده های مطرح شده در سایر کارهای مشابه مورد بررسی قرار گرفته اند. در ادامه از الگوریتم های فرا ابتکاری به منظور تعیین مقادیر بهینه ثوابت مساله استفاده شده است. با یافتن این پارامترها یک الگوریتم فرا ابتکاری برای حل مساله توسعه داده شد که بجای تولید جواب QAP ، به نرون های یک شبکه هاپفیلد بهینه سازی شده مقدار اولیه میدهد. این روش بر روی مسایل نمونه در اینترنت بکار گرفته شد که نتایج رضایت بخشی را به نمایش میگذارد. در بخش اول به تعریف مساله QAP، روش نمایش، کاربرد ها و مشتقات مساله پرداخته سپس راه کارهای پیش نهادی برای حل مساله همراه با تعریف مختصری از هرکدام شامل روش های دقیق، ابتکاری، فرا ابتکاری و شبکه های هاپفیلد مورد بحث قرار گرفته اند. و در بخش بعدی جزییات شبکه هاپفیلد، انواع روشهای بهبود شبکه و روش های مبتنی بر هاپفیلد بررسی شده اند. در بخش آخر نیز جزییات اجرا و روش پیشنهادی مورد کنکاش قرار گرفته و نتایج آن مورد مقایسه فرار خواهند گرفت.

کلیدواژه ها:

مساله ، شبکه های عصبی ، هاپفیلد ، کنترل ، بهینه سازی