بسم الله الرحمن الرحيم

1. بسم الله الرحمن الرحيم

2. ارايه يكشبكه عصبي تركيبيبرايحلمساله فروشنده دوره‏گرد(TSP) ارائه دهندگان: • مهديسعادتمند طرزجاندانشجوي كارشناسي • محمد رضا اكبرزاده توتونچيعضوهيات علمي • مرتضي خادميعضوهيات علمي دانشگاه فردوسي مشهد، دانشكده مهندسي ارديبهشت 1380

3. حلTSP بوسيله شبكه‏هاي عصبي هاپفيلد و كوهونن شرح مساله فروشنده دوره ‏گرد ارائه شبكه عصبي پيشنهادي نتايج تجربي و جمع‏بندي

4. كاربردها بسيارياز مسايل بهينه‏سازي قابل تبديل به مساله فروشنده دوره‏گردهستند. بعلاوهTSPمساله‏اي كلاسيك براي مقايسه روشهاي مختلف بهينه‏سازي با يكديگر است. تعيين مسير بهينه حركت مته براي سوراخ كردن صفحه‏هاي مدارچاپي، تعيين مسير بهينه انتقالداده در شبكه‏هاي كامپيوتري، پردازش تصوير و تشخيصالگو،از جمله زمينه‏هايي هستند كه حلTSPبرايشان بسيار راه‏گشاست. شرحمسالهفروشنده دوره‏گرد مساله فروشنده دوره‏گرد(Traveling Salesman Problem) Symmetric TSP

5. فاصله شهرiام تاjام است. عبارت ، درايهkام از بردار خروجي نرونiام كه در لايهlامِ شبكه واقع است، را نشان مي‏دهد. قرارداد: N تعداد شهرها است.

6. معادلات خطي عبوراز تمام شهرها. مسيراز هر شهر فقطيك باربگذرد. بيانTSP به صورت مساله اي خطي قيدهاي پاسخهاي مسالهTSP

7. ساختار حلTSP بوسيله شبكه‏هاي عصبيرايج TSP و شبكه عصبي كوهونن مزايا معايب

8. ساختار TSP و شبكه عصبيهاپفيلد مزايا معايب

9. ساختارشبكه عصبيپيشنهادشده لايه اول ارائه شبكه عصبيپيشنهادي انديشه اصلي شبكه عصبيپيشنهادشده لايه دوم لايه سوم لايه چهارم

10. الگوريتم آموزش شبكه 1. مسير معتبري را انتخاب مي‏كنيم(مسيري معتبر است كه درشرايط ذكر شده صدق كند). 2. خروجي نرونهاي لايه اول را با توجه به مسير اوليه تعيين مي‏كنيم. 3. وزنهاي نرونهاي لايه چهارم رابهنگام مي‏كنيم. 4. اجازه مي‏دهيم شبكه يك مرحله آموزش يابد. 5. شهر نظير نرون برنده در لايه چهارم را از محل فعلي‏اش به محل جديدي كه شبكه در خروجي اين نرون بيان مي‏كند منتقل مي‏كنيم. 6. اگر در لايه آخر نروني برنده نشده باشد، شبكه پايدار شده است. و آموزش شبكه پايان مي‏يابد. 7. مراحل 3، 4، 5 و 6 را تا آنجا تكرار مي‏كنيم كه شبكه پايدار شود. الگوريتم آموزششبكه‏يپيشنهادي نحوهآموزش شبكه‏يپيشنهادي قابليتهاي الگوريتمآموزش

11. 5- توليد مسير اوليه بر مبناي شبكه عصبيپيشنهادي(روش اول) توليد مسير اوليه‏اي معتبربرايشبكه عصبيپيشنهادي 1- مسير تصادفي 2- نزديكترين همسايه 3- پوستهمحدب(Convex Hull) 4- پوسته‏اي بر اساسبزرگترينچهارضلعي(HTFMDP , Hull Through Four Most Distant Points) 6- توليد مسير اوليه بر مبناي شبكه عصبيپيشنهادي(روش دوم)

12. طول متوسط مسيرها نتايجتجربي نحوهاندازهگيري و نرمال كردنكميتها مقايسه پاسخهايشبكهپيشنهاديبه مسيرهاي اوليه مختلف

13. زمان متوسط و تعداد متوسط فيدبكهاي شبكه نتيجه مقايسه مقايسه سرعتشبكهبا دو الگوريتمConvex Hull وHTFMDP

14. مقايسهدقت شبكهپيشنهادينسبت به شبكه عصبيكوهونن نتيجه مقايسه

15. پاسخ شبكه بهيكTSPي 280 نقطه اي

16. جمع‏بندي

17. باتشكراز اساتيدوحضارمحترم