基于暂态混沌神经网络模型的混沌模拟退火
chao-dyn
2008-02-03 v1 混沌动力学
摘要
我们提出了一种引入暂态混沌 dynamics 的神经网络模型, 即一种暂态混沌神经网络 (TCNN), 作为组合优化问题的近似方法. 与传统仅具有点吸引子的神经网络不同, 该提议神经网络具有更丰富且更灵活的 dynamics, 因此可以期待其在寻找全局最优或接近最优解方面具有更高的能力. 该模型的一个显著性质是, 混沌神经动力学暂时生成于搜索和自组织, 最终会随着对应通常退火过程中"温度"的 bifurcation 参数的自主递减而消失. 因此, 神经网络通过暂态混沌逐渐接近类似 Hopfield 神经网络这样的动力学结构, 后者收敛于稳定平衡点. 由于 TCNN 的优化过程类似于模拟退火, 但以确定性混沌方式而非随机方式进行, 因此这种新方法被视为混沌模拟退火 (CSA). 我们对暂态混沌神经动力学进行了数值研究, 包括单个神经元模型和旅行推销员问题 (TSP). 此外, 也对一个实际电力系统中发生器的维护调度问题进行分析, 以验证该新方法的实际效率.
关键词
引用
@article{arxiv.chao-dyn/9701021,
title = {Chaotic Simulated Annealing by A Neural Network Model with Transient Chaos},
author = {Luonan Chen and Kazuyuki Aihara},
journal= {arXiv preprint arXiv:chao-dyn/9701021},
year = {2008}
}
备注
the theoretical results related to this paper should be referred to "Chaos and Asymptotical Stability in Discrete-time Neural Networks" by L.Chen and K.Aihara, Physica D (in press). Journal ref.: Neural Networks, Vol.8, No.6, pp.915-930, 1995