چکیده
مساله فروشندگان دوره گرد یک مسئله مورد توجه در زمان حال است. شبکه عصبی می تواند برای حل مسائل بهینه سازی ترکیبی مورد استفاده قرار گیرد. در سالهای اخیر روشهای شبکه عصبی زیادی برای حل TSP وجود داشته اند که گامی بزرگ به سمت حل مسائل بهینهسازی ترکیبی برداشته است. این مقاله به بررسی روش های شبکه های عصبی برای حل TSP در سالهای اخیر میپردازد که شامل شبکه عصبی Hopefield، شبکه عصبی گراف و شبکه عصبی یادگیری تقویتی است. استفاده از شبکه عصبی برای حل TSP میتواند به طور موثری صحت راه حل تقریبی را بهبود بخشد و در نهایت دورنمایی از حل TSP در آینده را ارائه کردیم.
1-مقدمه
مشکل فروشندگان دوره گرد TSP یک مساله سخت NPمعروف در بهینه سازی ترکیبی است[1] و هیچ الگوریتمی وجود ندارد که بتواند در زمان چند جمله ای یک راه حل بهینه را پیدا کند.توصیف خاص مساله به این صورت است که مسافر می خواهد بهn شهر سفر کنند و باید به هر شهر فقط یک بار سفر کرده و به شهر که از آن شروع کرده است بازگردد و فاصله را از کوتاه ترین مسیر بپیماید.
Abstract
Traveling Salesman Problem(TSP) is a main attention issue at present. Neural network can be used to solve combinatorial optimization problems. In recent years, there have existed many neural network methods for solving TSP, which has made a big step forward for solving combinatorial optimization problems. This paper reviews the neural network methods for solving TSP in recent years, including Hopfield neural network, graph neural network and neural network with reinforcement learning. Using neural network to solve TSP can effectively improve the accuracy of the approximate solution. Finally, we put forward the prospect of solving TSP in the future.
1. Introduction
Traveling Salesman Problem(TSP) is a famous NP hard problem in combinatorial optimization [1]. And there is no algorithm that can find the optimal solution in polynomial time. The specific problem description is that a traveler wants to travel to ?? cities, and he is required to travel to each city only once and then return to the city he started from, making the whole distance covered the shortest.
چکیده
1-مقدمه
2-روش های شبکه عصبی برای حل TSP
۲.۱ شبکه عصبی Hopefield
۲.۲ شبکه عصبی گراف
۲.۳ شبکه عصبی با یادگیری تقویتی
نتایج
منابع
Abstract
1. Introduction
2. Neural network methods for solving TSP
2.1. Hopfield neural network
2.2. Graph neural network
2.3. Neural network with reinforcement learning
3. Conclusion
References