基于PCNN的迷宮路徑優(yōu)化技術研究.pdf_第1頁
已閱讀1頁，還剩75頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著生物神經學的發(fā)展，一種新的人工神經網絡-脈沖耦合神經網絡(Pulse-Coupled Neural Networks，簡稱PCNN)，因其模型自身的綜合時空特性，而被越來越多的學者所研究。PCNN在優(yōu)化組合中用的最多的是在求解最短路徑問題上。Caulfield和Kinser最先提出用PCNN解迷宮問題。在此基礎上很多方法也相繼被提出，一般情況下，這些用PCNN解決最短路徑的算法僅有一點不同-以圖像為對象還是把問題抽象為鄰接矩陣解決。

2、
　　 本論文在前人對PCNN模型的研究及應用的基礎上，結合啟發(fā)式的搜索策略-A*搜索策略，設計了基于改進型的PCNN迷宮智能優(yōu)化算法，并將其應用解決實際迷宮問題，具體如下：
　　 1、通過對PCNN模型內在機理的研究，并根據(jù)PCNN的自身特點，選擇合適的模型參數(shù)以適合求解迷宮最短路徑問題。實驗結果表明，改進后的PCNN模型不僅保留了原始PCNN模型的結構與特點，而且更適合求解迷宮路徑優(yōu)化的問題。
　　 2、通過

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論