利用 Hopfield 网络求解资源均衡问题
神经与进化计算
2011-06-13 v1
摘要
尽管伴随 Hopfield 网络的传统置换矩阵能够描述许多常见问题，但在求解具有更多约束的更复杂问题时似乎存在局限，例如实际属于 NP 问题的资源均衡。本文尝试利用神经网络为其寻找更优解法。为了给出资源均衡问题的神经网络描述，通过扩展传统置换矩阵的能力，提出了一种称为增广置换矩阵的新描述方法。提出了一种结合 Hopfield 模型与模拟退火的嵌入式混合模型，以从根本上改善优化效果，其中 Hopfield 网络充当模拟退火的状态生成器。实验结果表明，增广置换矩阵能够完整且恰当地描述该应用。本文给出的能量函数和混合模型在求解资源均衡问题时也极为高效。
引用
@article{arxiv.1106.2113,
title = {Using Hopfield to Solve Resource-Leveling Problem},
author = {Caixing Liu and Jierui Xie and Yueming Hu},
journal= {arXiv preprint arXiv:1106.2113},
year = {2011}
}