Сравнительный анализ алгоритма муравьиной колонии и нейронной сети Хопфилда при решении задачи поиска гамильтонова цикла в полном графе
Proceeding
- Published in:
- II International Research-to-practice conference «Innovative technologis in science and education»
- Authors:
- Chastikova V. A. 1 , Mishchenko A. I. 1 , Polikarenkov A. S. 1 , Dmitrenko A. A. 1
- Work direction:
- Технические науки
- Rating:
- Article accesses:
- 2828
- Published in:
- eLibrary.ru
1 FSBEI of HE "Kuban State Technological University"
- APA
For citation:
Chastikova V. A., Mishchenko A. I., Polikarenkov A. S., & Dmitrenko A. A. (2017). Сравнительный анализ алгоритма муравьиной колонии и нейронной сети Хопфилда при решении задачи поиска гамильтонова цикла в полном графе. Innovative technologis in science and education, 313-318. Cheboksary: SCC "Interactive plus", LLC.
- Full text
- Metrics
Abstract
Задача поиска гамильтонова цикла в полном графе является одной из самых известных задач комбинаторной оптимизации. Применение данной задачи на практике довольно обширно - от оптимизации транспортных процессов до поиска более эффективных алгоритмов разработки программного обеспечения. В статье проведен сравнительный анализ эффективности работы нейронной сети Хопфилда и классического алгоритма муравьиной колонии для решения задачи поиска гамильтонова цикла в полном графе по таким параметрам, как скорость и точность решения. Проведено исследование влияния коэффициентов эвристики и количества агентов муравьиного алгоритма, а также ключевых параметров нейронной сети на эффективность поиска. В ходе исследования был разработан программный комплекс, реализующий рассматриваемые методы.
References
- 1. Нейдорф Р.А. Разработка, оптимизация и анализ параметров классического муравьиного алгоритма при решении задачи коммивояжера в полно-связном графе / Р.А. Нейдорф, О.Т. Ярахмедов // Международный научный журнал «Наука. Технологии. Производство». – 2015. – Т. 2. – №3. – С. 18–22.
- 2. Dorigo M. Ant Colony Optimization / M. Dorigo, Th. Stützle; Massachusetts Institute of Technology. – 2004. – 306 p.
- 3. МакКоннелл Дж. Основы современных алгоритмов. – М.: Техносфера, 2004. – 368 c.
- 4. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: Учебное пособие / А.П. Карпенко. – М.: МГТУ им. Н.Э. Баумана, 2014. – 446 c.
- 5. Кутыркин А.В. Использование нейронной сети Хопфилда для решения оптимизационных задач маршрутизации: Методические указания / А.В. Кутыркин, А.В. Сёмин. – М.: МИИТ, 2007. – 15 c.
- 6. Лазарев В.М. Нейросети и нейрокомпьютеры: Монография / В.М. Лазарев, А.П. Свиридов. – М., 2011. – 119 c.
- 7. Хайкин С. Нейронные сети: Полный курс. Пер. с англ. / С. Хайкин. – М.: Вильямс, 2008. – 1103 c.
- 8. Частикова В.А. Обнаружение DDoS-атак на основе нейронных сетей с применением метода роя частиц в качестве алгоритма обучения / В.А. Частикова, К.А. Власов, Д.А. Картамышев // Фундаментальные исследования. – 2014. – №8–4. – С. 829–832.
- 9. Частикова В.А. Разработка и сравнительный анализ эвристических алгоритмов для поиска наименьшего гамильтонова цикла в полном графе / В.А. Частикова, К.А. Власов // Фундаментальные исследования. – 2013. – №10–1. – С. 63–67.
- 10. Частикова В.А. Нейросетевой метод защиты информации от DDoS-атак / В.А. Частикова, Д.А. Картамышев, К.А. Власов // Современные проблемы науки и образования. – 2015. – №1–1. – С. 183.
Comments(0)