混沌神经网络组合优化技术及其在路由算法中的应用

摘要

混沌系统是一种确定系统,同时可以产生年似随机的信号,由于这个原因,使得混沌得以与神经网络结合并且成功的应用于组合优化问题,它充分利用混沌的丰富动态特性,从局部最小值的陷阱中跳出,得到比单纯神经网络更加准确的优化解.该文主要贡献是通过分析混沌神经网络模型,针对优化组合问题作出各种改进,将噪声加入混沌神经网络的随机噪声模拟退火方法(SCSA),自适应混沌神经网络方法.进一步通过分析模型中的自反馈连接权值对优化性能的影响,比较了两种常用的退火方案,并提出一种新的分段指数退火方案,使得该方法从性能和速度方面都得到了改善.另外,该文将混沌神经网络方法应用于ATM路由,在VP拓扑网络中解决VC路由选择的问题,折中的解决网络的开销和路由有效性.完成了其它算法很难实现的复杂路由要求.

目录

文摘

英文文摘

第一章绪论

1.1混沌神经网络组合优化技术

1.1.1混沌系统介绍

1.1.2神经网络

1.1.3混沌神经网络组合优化技术

1.1.4混沌神经网络路由算法

1.2本课题的研究

1.2.1本文的研究内容

1.2.2本文的结构安排

第二章混沌基础理论

2.1混沌的定义

2.2混沌研究的基本方法

2.3混沌的特征

2.3.1确定性系统

2.3.2初值敏感性

2.3.3相空间和混沌吸引子

2.4混沌系统主要参数

2.4.1信号频谱

2.4.2分形和分形维数

2.4.3 Lyapunov指数

2.5典型混沌系统

2.5.1 Logistic映射

2.5.2蔡氏电路

第三章混沌神经网络组合优化算法

3.1混沌神经网络介绍

3.1.1细胞神经网络

3.1.2 Hopfield神经网络

3.1.3细胞神经网络与混沌的结合

3.2组合优化算法

3.2.1组合优化问题介绍

3.2.2主要算法介绍

3.2.3 Hopfield-Tank方法解决组合优化问题

3.2.4暂态混沌神经网络(TCNN)模型：

3.2.5混沌神经网络算法的应用以及与其他算法的比较

第四章优化算法的分析和改进

4.1噪声混沌神经网络

4.2自适应噪声CNN模型

4.2.1自适应噪声CNN模型

4.2.2用自适应噪声CNN算法求解TSP问题

4.3模拟退火策略分析

4.3.1 TCNN模型中的CSA方法

4.3.2模拟退火策略分析

4.3.3各种退火策略的仿真比较

第五章混沌神经网络路由算法

5.1路由算法介绍

5.1.1设计目标

5.1.2算法类型

5.1.3路由算法的衡量标准

5.1.4基本路由算法

5.1.5 ATM中的路由算法

5.2基于混沌神经网络的ATM路由算法

5.2.1设计目标

5.2.2基于暂态混沌神经网络的ATM路由算法

5.2.3仿真运算

第六章结束语

参考文献

致谢

已经录用或投稿的论文