基于PCNN的迷宮路徑優(yōu)化技術(shù)研究.pdf

1、隨著生物神經(jīng)學(xué)的發(fā)展，一種新的人工神經(jīng)網(wǎng)絡(luò)-脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse-Coupled Neural Networks，簡(jiǎn)稱PCNN)，因其模型自身的綜合時(shí)空特性，而被越來(lái)越多的學(xué)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(wèn)題上。Caulfield和Kinser最先提出用PCNN解迷宮問(wèn)題。在此基礎(chǔ)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(diǎn)不同-以圖像為對(duì)象還是把問(wèn)題抽象為鄰接矩陣解決。

2、
　　 本論文在前人對(duì)PCNN模型的研究及應(yīng)用的基礎(chǔ)上，結(jié)合啟發(fā)式的搜索策略-A*搜索策略，設(shè)計(jì)了基于改進(jìn)型的PCNN迷宮智能優(yōu)化算法，并將其應(yīng)用解決實(shí)際迷宮問(wèn)題，具體如下：
　　 1、通過(guò)對(duì)PCNN模型內(nèi)在機(jī)理的研究，并根據(jù)PCNN的自身特點(diǎn)，選擇合適的模型參數(shù)以適合求解迷宮最短路徑問(wèn)題。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的PCNN模型不僅保留了原始PCNN模型的結(jié)構(gòu)與特點(diǎn)，而且更適合求解迷宮路徑優(yōu)化的問(wèn)題。
　　 2、通過(guò)