一种Hopfield神经网络算法复杂性研究的新方法

摘要

首先分析了基于Hopfield神经网络的TSP问题求解方法,提出从研究能量函数、状态空间分布和可行解的关系来研究以Hopfield为代表的优化神经网络的计算复杂性的思想;并给出从状态空间到线性表的映射方法,引入状态-程序复杂性.分析结果表明,绝对状态-程序复杂性更为充分地反映能量函数的求解过程;相对状态-程序复杂性提供了一种在多项式时间内对NP问题算法的有效性进行衡量的尺度.