郑华-2150230505-SOM网络模型.doc

深 圳 大 学 实 验 报 告 实验课程名称： 人工神经网络 实验项目名称： SOM网络模型应用 学院： 计算机与软件学院 专业： 软件工程 报告人： 郑华 学号： 2150230505 班级： 15级2016-5-30 实验报告提交时间： 2016-5-31 教务处制  实验目的 理解并熟悉掌握SOM算法，利用SOM神经网络解决TSP旅行销售商问题。 实验内容 1）假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求所经过的路径路程最短。 2）设计一个SOM神经网络，解决TSP旅行销售员问题。并且与最佳路径进行比较，参数如何选取，如何优化算法。 3）试分析如何将网络设计扩展到解决多个旅行销售员的MTSP问题。即有多个旅行销售商，他们共同完成每个城市的拜访，并且每个城市只能去一次，所有的加起来经过的路程最短。 实验步骤 网络设计，包括输入层、输出层节点个数的设计，为什么如此设计； 图 上图出自朱安民教授的课件输入层节点个数为 算法步骤； 图 上图出自朱安民教授的课件 图3 3.1对101个城市进行处理的结果截图，分别运行3次，结果图是否一样？为什么？ 三次的结果不一样，如下三个图所示，原因是初始状态的选取是随机的，不一定那个点就是优胜点，而且结果也是最优路径的近似值，并不是完全的最优路径，所以结果也是不尽相同的。但是，每次结果的误差都很小，所以这种算法还是可行的。 图4 图5 图6 3.2对29个城市进行处理的结果截图，分别运行3次，结果图是否一样？为什么？ 图7 图8 图9 由以上三个图可知结果图是一样的因为点比较少用SOM算法算出来的路径就是最优路径因此结果是一样的 Alpha=0.001时time= 8.106187s 图10 Alpha=0.01时time= 9.079510s 图11 Alpha=0.1时time= 8.741680s 图12 经过试验分析可以得出 当alpha=0.01这个量级的时候结果是最准确的，而且用时也不是很多，所以经过验证alpha最好取值为0.03，alpha取值太大或者太小的时候都会产生误差。 3.4分析学习率beta的取值范围[0.001，0.5]对结果的影响； 图13 beta=0.001 time= 10.597906s beta=0.01 time= 10.601020s 图 beta=0.1 time= 6.787424s 图15 beta=0.5 time= 6.066585s 图16 由以上四个结果可知： 随着beta的增大，运行时间缩短，但是结果最准确而且速度相对快的点在beta等于0.1的时候，所以我们以后运行程序就把beta设置为0.1。beta的值如果太小的话就无法趋近并且与表示城市的那些点重合，太大的话路线也会变长。 3.5邻居函数F(percent, G)范围的确定参数percent的取值[0.1 0.8]对结果的影响； Percent=0.1 time= 8.014007 图17 Percent=0.2 time= 7.614537s 图18 Percent=0.4 time= 7.389752s 图 Percent=0.8 time= 7.173295s 图20 由以上四个结果可知： 随着percent的增大误差率是随之增大的，因此，percent应该取一个较小的值，但是，随着percent的增大，运行时间是减小的，因此，percent也不能是个太小的值，所以由实验得出，percent取0.2的时候效果最好。 四、总结分析 1．程序运行结果的列表，包括7组不同数据、3次不同的运行次数、不同的参数选择的情况下的路径长度、运行时间、以及最短路径的长度。 2．结果列表的文字说明。 3．实验过程当中遇到的问题、教训的总结。 由实验得出当的时候运行效果最佳运行时间较短而且准确性较高 alpha=0.03,beta=0.1,percent=0.2 图21 图22 运行时间 7.798191s 五、附录源程序 注意：包括主要功能的注释说明；如果是自己编写的请特别注明；如果是参考网上的，注明源代码出处和修改处