模糊时变网络最短路径模型的神经网络算法研究

《模糊时变网络最短路径模型的神经网络算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ｉ＇文编号１０－０３００中图分类号ＴＰ３９３论０６０１６学科分类号‘密级？５２０．１０９９义相净＼Ｓ＾＾ｙＴＩＡＮＪＩＮＵＮＷＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ＞Ｉ硕七学位论文模糊时变网络最短路径模型的神经网络算法研究ＲｅｓｅａｒｃｈｏｎＳｈｏｒｔｅｓｔＰａｔｈＭｏｄｅｌａｎｄ－－ＡｌｏｒｉｔｈｍｏｆＦｕｚｚａｎｄＴｉｍｅｖａｒｉｎｇｙｙｇＮｅｕｒａｌＮｅｔｗｏｒｋ．ＩｎｔｍＯＢＢ＾＾通若：－．＾、．：计算机科学与技术＾ｊｊ＾ｇｇｉ＋龍群自

2、Ｋ术■圧间春望＿＼＾Ｂ■？ｉＢ＾ＭｉｊｉＭ黄巧副教授天津理工大学研究生院二〇－＝月六年棘刮巧是巧本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加１＾标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位冷文作者签名；词畫邊签拿司期；年月日学化冷文狀枝使巧援牧书本学位论文作者完全了解天津理工大学有关保留、使

3、用学位论文的规定。特授权义理工大可ｙｘ将学位论文的全部或部分内容编入津学进，、汇，有关数据库行检索并采、缩印或扫描等复制手段保存编用影印Ｗ查和。同口或机本和电子供阅借阅意学校向国家有关部构送交论文的复文件。适）（保密的学位论文在解密后用本授权说明化冷：词文《ｆ逕学作者签导师签名＾可口口巧；柴１：月期（月签拿年？签李５年＾分类号：TP393520.1099密级：天津理工大学研究生学位论文模糊时变网络最短路径模型的神经网络算法研究（申请硕士学位）学科专业：计算机科学与技术研究方向：计算机网络通信，网络安全作者姓名：闫春望指导教师

4、：黄玮2016年3月ThesisSubmittedtoTianjinUniversityofTechnologyfortheMaster’sDegreeResearchonShortestPathModelandAlgorithmofFuzzyandTime-varyingNeuralNetworkByChunwangYanSupervisorWeiHuangMarch2016摘要动态网络最短路径问题是网络优化的重要内容，传统的求解算法如Dijkstra算法、A*算法无法求解动态网络最短路径问题，而智能算法如遗传算法等迭代次数高、效率低下，为了更好的解决动态网络

5、最短路径问题，我们尝试改进自动波神经网络算法来解决这一问题，论文的主要内容分为以下三个部分。（1）模糊网络最短路径问题的神经网络框架研究。为了解决模糊网络最短路径问题，给出了模糊期望最短路径问题的定义，提出了基于自动波神经网络的并行模糊神经网络最短路径（PFNNSP:ParallelFuzzyNeuralNetworkShortestPath）算法，通过实例说明了PFNNSP算法的运行过程，在随机生成模糊网络上的仿真实验表明，PFNNSP算法的运行时间优于传统的Dijkstra算法，在国际数据集上的仿真实验表明，PFNNSP算法在迭代次数和收敛速度上优于Dijk

6、stra算法和A*算法。（2）边权动态的时变最短路径问题的神经网络框架研究。为了解决边权动态的时变网络最短路径问题，给出了边权动态的时变期望最短路径问题的定义，通过公交车模型推导出了问题的形式化表示（这里假设边上的权值服从指数分布），提出了基于自动波神经网络的边权动态的时变神经网络（STDNN:StochasticTime-dependentNeuralNetwork）算法，考虑到算法设计的复杂性，在进行随机模拟时将网络中边上的权值看作服从指数分布，将随机权值转化为静态权值进行计算，实验结果表明，STDNN算法在求解边稠密边权动态的时变网络最短路径问题时效果明显

7、优于DPA算法，在求解传统静态网络最短路径问题时，效率相差不大。（3）带时间窗的时变网络最短路径问题的神经网络框架研究。为了研究时变网络最短路径问题，给出了带时间窗的最短路径问题的定义，结合时变网络的特征设计了带时间窗的神经元，提出了基于自动波神经网络的时变神经网络（TDNN:Time-dependentNeuralNetwork）算法，并且证明了最优解定理、自动波激活次数定理、TDNN算法优化定理，分析了TDNN算法的时间和空间复杂度，在小规模动态数据集上的仿真实验表明，TDNN算法的求解效率优于PCNN算法，在大规模静态数据集上的仿真实验表明，TDNN算法的

8、运行时间优于传统的Dij