连续Hopfield神经网络的优化——旅行商问题优化计算

代码说明：

利用神经网络解决组合优化问题是神经网络应用的一个重要方面。所谓组合优化问题，就是在给定约束条件下，使目标函数极小（或极大）的变量组合问题。将Hopfield网络应用于求解组合优化问题，把目标函数转化为网络的能量函数，把问题的变量对应到网络的状态，这样，当网络的能量函数收敛于极小值时，问题的最优解也随之求出。由于神经网络是并行计算的，其计算量不随维数的增加而发生指数性“爆炸”，因而对于优化问题的高速计算特别有效。利用连续型Hopfield神经网络，将待优化的目标函数及相对应的约束条件转化为能量函数，将问题的变量对应神经网络神经元的状态，当Hopfield神经网络的输出状态趋于平衡点时，能量函数对应的便是待优化问题的最优解。利用此思路，可以快速、准确地解决各种优化问题,如选址优化、轴承设计优化等。