文献

J-GLOBAL ID：202002246562235085   整理番号：20A1945710

巡回セールスマン問題を解くためのKohonen自己組織化マップの最適学習速度と近傍半径【JST・京大機械翻訳】

Optimal Learning Rate and Neighborhood Radius of Kohonen’s Self-Organizing Map for Solving the Travelling Salesman Problem

著者 (4件)： Mersiovsky Tabea (Institute for Information Systems, School of Business, University of Applied Sciences and Arts Northwestern Switzerland, Olten, Switzerland) ,  Thekkottil Abhilash (Institute for Information Systems, School of Business, University of Applied Sciences and Arts Northwestern Switzerland, Olten, Switzerland) ,  Hanne Thomas (Institute for Information Systems, School of Business, University of Applied Sciences and Arts Northwestern Switzerland, Olten, Switzerland) ,  Dornberger Rolf (Institute for Information Systems, School of Business, University of Applied Sciences and Arts Northwestern Switzerland, Basel, Switzerland)
資料名： ACM Proceedings  (ACM Proceedings)
号： ISMSI ’18  ページ： 54-59  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 巡回セールスマン問題(TSP)はよく研究された古典的組合せ最適化問題の一つであり,非決定論的多項式時間(NP)ハード問題であることを証明した。Kohonenの自己組織化マップ(SOM)は,TSPに適用できる一種の人工ニューラルネットワークである。アルゴリズムの目的は,クラスタリングと単純な分類タスクに使用できるように,非組織化とラベルなしデータのセットに特別なネットワークを適応させることである。本論文では,TSPを解くためにSOMアルゴリズムにおけるパラメータの変化の影響を調べた。パラメータ調査の焦点は,SOM学習速度と近隣半径の変化の影響,並びに都市数を変えたTSP問題における反復数の影響にある。したがって,調査はSOMの種々のパラメータ設定と同様に様々な問題事例に基づいており,互いに比較され,議論されている。結果を,自然の触発アリコロニー最適化(ACO)アルゴリズムと比較した。その結果,正しいパラメータ設定により,SOM生成結果を改善し,ACOアルゴリズムより優れていることを証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  キーワード ,  *巡回セールスマン問題 ,  ネットワーク ,  最適化手法 ,  ニューラルネットワーク ,  都市 ,  クラスタ化 ,  *自己組織化特徴マップ ,  組合せ最適化問題
準シソーラス用語： アリコロニー最適化 ,  学習速度 ,  多項式時間 ,  ラベルなしデータ , 【Automatic Indexing@JST】

著者キーワード (8件)： ACO ,  アリコロニー最適化 ,  キーワード巡回セールスマン問題 ,  Kohonen ,  ニューラルネットワーク ,  最適化アルゴリズム ,  SOM ,  自己組織化マップ

分類 (2件)： ネットワーク法  (KA03040X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 巡回セールスマン問題 ,  自己組織化マップ ,  学習速度 ,  近傍 ,  半径