基于差分进化的连续Hopfield神经网络模型参数优化

摘要

连续型Hopfield神经网络具有优化计算的特性,但对参数敏感;用差分进化算法搜索最佳参数,可使网络保持较好的优化计算特性,完成组合优化问题的求解.文中将网络参数序列作为个体的编码,用此个体编码作为参数的Hopfield网络运行达到稳态后的最终能量函数值作为适应度函数来评价个体的优劣,经过若干代的进化计算,选择最优个体,解码后作为网络参数,Hopfield神经网络以最合适的参数来求解组合优化问题.通过对TSP问题、欺骗函数等典型的组合优化问题进行仿真实验,验证了此方法的有效性.