自组织神经网络是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。多层感知器的学习和分类是已知一定的先验知识为条件的，即网络权值的调整是在监督情况下进行的。而在实际应用中，有时并不能提供所需的先验知识，这就需要网络具有能够自学习的能力。Kohonen提出的自组织特征映射图就是这种具有自学习功能的神经网络。这种网络是基于生理学和脑科学研究成果提出的。
2021-08-13 10:33:48
8KB
1
Ad hoc网络国内又称其为移动自组网，是一种特殊的、应用前景广阔的新型移动无线网络。它作为移动计算的一种特殊形式，是由一系列动态主机节点临时组成的多跳性无线网络，它没有固定基站与基干网，网络中每个节点既充当主机又充当路由器。对于原本不存在基干网的区域和基干网已被破坏的区域，或虽存在基干网但并不方便使用的区域，它能迅速创建一个新网络，实现数据传输。
2021-08-06 14:16:07
2.57MB
1
Introduction
复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。
Algorithms
动态规划(DP)
遗传算法(GA)
粒子群算法(PSO)
模拟退火算法(SA)
蚁群算法(ACO)
自适应神经网络(SOM)
禁忌搜索算法(TS)
指针网络(Pointer-network)[pytorch版本复现]
Tips
遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作
粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉
模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量
蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多
自适应神经网络核心
2021-06-30 15:29:54
246KB
1