126
10.2. Rozwiązywanie problemu komiwojażera
[Aiye90]):
N = 10,
typ = nieplanamy,
A = 8, Ai = 7.75, C = 0.8, D= 1, i6 = 8, Aż = 0.02,
Proby=3, Mazlirr = 3000, MnAk' = 6e - 10,
X\ = -80, A2 = 0.5, A3 = -79.5
Uzyskane wyniki podaje tabela 3, w której podano dla poszczególnych algorytmów uzyskany wynik (w postaci długości optymalnej drogi) oraz czas obliczeń. Ponieważ eksperymenty z siecią neuronową powtarzano wielokrotnie, wyniki podano w formie statystyki podając wartość średnią i minimalną. U dołu tabeli 3 podano także poprawne rozpoznanie w postaci minimalnej drogi.
Tabela 3. Ocena rozwiązań uzyskanych za pomocą sieci neuronowych dla zadania TSP (Przypadek 1)
Algorytm |
Droga |
ur*— |
FITSP |
3.6159 |
02s |
2-opt |
2.5789 |
0.23s |
3-opt |
2.3124 |
1.13s |
Sieć śr. |
2.2472 |
4min 9.15s |
Sieć min. |
2.2223 |
4min 31.60s |
Minima!. |
2.1919 |
Przypadek 2. Modelowaną sieć charakteryzują następujące parametry: N=10,
typ = nieplanamy,
A = 8, Ai = 7.75, C = 1.44, D = 8, t* = 14.4, At = 0.02,
Pmby = 3, MarJter = 3000, MinAV = 6c — 10.
Aj = -144, A2 = 0.5, Ar, = -79.5 Wyniki optymalizacji są następujące:
Tabela 4. Ocena rozwiązań uzyskanych za pomocą sieci neuronowych dla zadania TSP (Przypadek 2)
Algorytm |
Droga |
Czas |
FITSP |
3.6259 |
02s |
2-opt |
2.4753 |
0 26s |
3-opt |
2.3126 |
0.97s |
Sieć śr. |
2.5147 |
4min 1.93s |
Sieć min. |
2.3999 |
4min 26.83s |
Minimal. |
2.2818 |
Przykład 1 miał parametry przyjęte wg [AiyeOO]. przykład 2 ma przede wszystkim 8 razy większą wartość D niż przyjmowana w przykładzie 1. W przykładzie 1 każde z rozwiązań było