matlab连续Hopfield神经网络的优化方法是什么

组合优化问题的目标是从组合问题的可行解集中求出最优解，组合优化往往涉及排序，分类筛选等问题，是运筹学的一个重要分支，典型的组合优化问题，有旅行商问题，加工调度问题，背包问题装箱问题，图着色问题，聚类问题等，这些问题描述非常简单，并且有很强的工程代表性，但最优化求解很困难，其主要原因是求解这些问题的算法运行时需要极长的运行时间与极大的存储空间，以致根本不可能在现有的计算机上实现，就会产生所谓的“组合爆炸”问题。

利用神经网络解决组合优化问题，是神经网络应用的一个重要方面，将Hopfield网络应用于求解组合优化问题，将目标函数转化为网络的能量函数，把问题的变量对应到网络的神经元的状态，这样当网络的能量函数收敛于极小值时，问题的最优解也随之求出，由于神经网络是并行计算的，其计算量不会随着维数的增加而发生指数型“爆炸”，因而对于优化问题的告诉就算特别有效。

%% 清空环境变量、定义全局变量

clear 

clc

global A D

%% 导入城市位置

load city_location

%% 计算相互城市间距离

distance=dist(citys,citys');

%% 初始化网络

N=size(citys,1);

A=200;

D=100;

U0=0.1;

step=0.0001;

delta=2*rand(N,N)-1;

U=U0*log(N-1)+delta;

V=(1+tansig(U/U0))/2;

iter_num=10000;

E=zeros(1,iter_num);

%% 寻优迭代

for k=1:iter_num  

    % 动态方程计算

    dU=diff_u(V,distance);

    % 输入神经元状态更新

    U=U+dU*step;

    % 输出神经元状态更新

    V=(1+tansig(U/U0))/2;

    % 能量函数计算

    e=energy(V,distance);

    E(k)=e;  

end

 %% 判断路径有效性

[rows,cols]=size(V);

V1=zeros(rows,cols);

[V_max,V_ind]=max(V);

for j=1:cols

    V1(V_ind(j),j)=1;

end

C=sum(V1,1);

R=sum(V1,2);

flag=isequal(C,ones(1,N)) & isequal(R',ones(1,N));

%% 结果显示

if flag==1

   % 计算初始路径长度

   sort_rand=randperm(N);

   citys_rand=citys(sort_rand,:);

   Length_init=dist(citys_rand(1,:),citys_rand(end,:)');

   for i=2:size(citys_rand,1)

       Length_init=Length_init+dist(citys_rand(i-1,:),citys_rand(i,:)');

   end

   % 绘制初始路径

   figure(1)

   plot([citys_rand(:,1);citys_rand(1,1)],[citys_rand(:,2);citys_rand(1,2)],'o-')

   for i=1:length(citys)

       text(citys(i,1),citys(i,2),['   ' num2str(i)])

   end

   text(citys_rand(1,1),citys_rand(1,2),['       起点' ])

   text(citys_rand(end,1),citys_rand(end,2),['       终点' ])

   title(['优化前路径(长度：' num2str(Length_init) ')'])

   axis([0 1 0 1])

   grid on

   xlabel('城市位置横坐标')

   ylabel('城市位置纵坐标')

   % 计算最优路径长度

   [V1_max,V1_ind]=max(V1);

   citys_end=citys(V1_ind,:);

   Length_end=dist(citys_end(1,:),citys_end(end,:)');

   for i=2:size(citys_end,1)

       Length_end=Length_end+dist(citys_end(i-1,:),citys_end(i,:)');

   end

   disp('最优路径矩阵');V1

   % 绘制最优路径

   figure(2)

   plot([citys_end(:,1);citys_end(1,1)],...

       [citys_end(:,2);citys_end(1,2)],'o-')

   for i=1:length(citys)

       text(citys(i,1),citys(i,2),['  ' num2str(i)])

   end

   text(citys_end(1,1),citys_end(1,2),['       起点' ])

   text(citys_end(end,1),citys_end(end,2),['       终点' ])

   title(['优化后路径(长度：' num2str(Length_end) ')'])

   axis([0 1 0 1])

   grid on

   xlabel('城市位置横坐标')

   ylabel('城市位置纵坐标')

   % 绘制能量函数变化曲线

   figure(3)

   plot(1:iter_num,E);

   ylim([0 2000])

   title(['能量函数变化曲线(最优能量：' num2str(E(end)) ')']);

   xlabel('迭代次数');

   ylabel('能量函数');

else

   disp('寻优路径无效');

end