一种基于动态神经网络的时变跳数约束最短路径求解方法技术

本发明专利技术提出了一种动态神经网络(Dynamic neural network，DNN)来求解时变跳数约束最短路径问题(Time

【技术实现步骤摘要】
一种基于动态神经网络的时变跳数约束最短路径求解方法


[0001]本专利技术涉及最短路径求解
，具体涉及一种基于动态神经网络的时变跳数约束最短路径求解方法。

技术介绍

[0002]跳数约束最短路径问题是寻找两个节点之间距离最短且跳数不超过约束的路径。该问题广泛的应用于通信网络以及项目调度网络中。据我们所知，这个问题首先由Dahl和Gouveia初始化，他们研究了静态有向网络上有跳约束的最短路径问题。目前为止，已有很多方法用于求解静态网络上的跳数约束最短路径问题。虽然这些方法在解决静态网络上有跳数约束的最短路径问题上有很多优点，但难以用于求解非静态网络(如时变网络)上的带跳数约束的最短路径问题。时变网络是一种广泛存在于现实世界中的动态网络，与传统的静态网络相比，时变网络的弧长不是固定的，而是时变的。众所周知，时变网络更接近于真实的网络情况，因此研究时变网络的跳数约束最短路径问题具有很重要的应用意义。神经网络是求解组合优化问题的一种新思路，曾经在成功的应用于求解无约束的时变网络最短路径问题中，因此采用神经网络方法求解时变跳数约束最短路径问题具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态神经网络的时变跳数约束最短路径求解方法包括以下步骤：第1步、构造动态神经元(dynamic neuron，简称DN)；第2步、根据时变网络拓扑结构构造动态神经网络(dynamic neural network，简称DNN)，同时对DNN的各项参数进行初始化；第3步、运行动态神经网络，初始化所有动态神经元同时激活源点神经元；第4步、对DNN上的每个动态神经元进行迭代更新；第5步、导出最短路径传输时间、节点序列以及各节点的出发时间序列。2.根据权利要求1所述的基于动态神经网络的时变跳数约束最短路径求解方法，其特征在于：第1步所述构造动态神经元，具体步骤如下：第1.1步、设计DN的输入部分，输入部分由有限个输入端口组成，输入端口是波进入神经元的通道，其数量由该神经元的前驱神经元的数量决定；第1.2步、设计DN的波接收器，波接收器是由与输入端口同等数量的寄存器组成，其作用是接收由输入端口进入该神经元的波，同时对该波进行解码；第1.3步、设计DN的滤波器，滤波器的作用实际上类似于剪枝操作，它使接收器接收到的无效的波销毁；第1.4步、设计DN的状态存储器，状态存储器包含三个部分；H
i
，P
i
和D
i
；其作用是用来存储神经元当前的状态信息；第1.5步、设计DN的波生成器，每个波生成器会在神经元激活后为每个后继神经元产生一个新的波，每条波包含三个部分：H
i，j
(d
i
)，P
i，j
(d
i
)和D
i，j
(d
i
)；第1.6步、设计DN的波发送器，波发送器由有限个延时通道组成，延时通道的个数有后继神经元的个数决定，每个延时通道的长度由网络中相应两节点之间的弧长决定；第1.7步、设计DN的输出部分，输出部分可以看做是输入部分相反地过程，输出部分也是由有限个输出端口组成，输出端口的数量与延时通道的数量一致。3.根据权利要求1所述的基于动态神经网络的时变跳数约束最短路径求解方法，其特征在于：第2步所述的根据时变网络拓扑结构构造动态神经网络，同时对DNN的各项参数进行初始化，具体步骤如下：第2.1步、创建一个神经元数量与时变网络节点数量相同且突触的数量与时变网络的弧的数量相同的神经网络；第2.2步、依据问题描述分别指定源点神经元与目的神经元；第2.3步、依据问题描述设置跳数阈值H
Max
以及神经网络的更新时间步长Δt；第2.4步、依据问题描述初始化计时器t的值，t的初始值为允许从源点神经元出发的最早时间。4.根据权利要求1所述的基于动态神经网络的时变跳数约束最短路径求解方法，其特征在于：第3步所述的运行动态神经网络，初始化所有动态神经元同时激活源点神经元，具体步骤如下：第3.1步、激活源点神经元s，设置源点神经元状态信息为：H
...

【专利技术属性】
技术研发人员：黄玮，徐志磊，王劲松，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：