一种基于时间波延时神经网络的约束时变最短路径求解方法技术

一种基于时间波延时神经网络的约束时变最短路径求解方法，该方法通过构造时间波延时神经网络(time wave delay neural network，简称TWDNN)来求解约束时变最短路径(constrained time

【技术实现步骤摘要】
一种基于时间波延时神经网络的约束时变最短路径求解方法


[0001]本专利技术涉及最短路径求解
，具体涉及一种基于时间波延时神经网络的约束时变最短路径求解方法。

技术介绍

[0002]最短路径问题是一个经典的组合优化问题，其目的是找到网络上两个节点之间距离最短(代价最小)的路径。该问题在现实生活中具有广泛的应用，如网络通信，项目调度，以及运筹学等相关领域。最短路径问题是由Dijkstra初始化的，早在20世纪50年代，著名的Dijkstra算法就被用来解决图论上的最短路径问题。之后，人们设计了大量的改进算法来解决一定网络上的这个问题。虽然这些算法有很多优点，但很难应用于时变网络上的最短路径问题。在时变网络中，数据包通过一条连接(弧)的时间或成本不是固定的，而是与时间相关的。众所周知，降低时延是网络通信面临的主要问题之一。一般来说，在网络通信中，人们不仅关注传输时延，也关注传输成本。例如，无线网络路由的关键问题是如何平衡时延和能效。与路由问题一样，约束时变最短路径问题(一种时变网络中满足一定代价约束的传输时间最短的路径问题)也是网络上常见的具有时间依赖性的问题。虽然目前已有一些算法来解决约束时变最短路径问题，但由于这些算法的计算速度较慢或精度较差，在实际应用中仍存在一定的缺陷。

技术实现思路

[0003]本专利技术的目的是为克服上述的技术缺点和不足，提供了一种基于时间波延时神经网络的约束时变最短路径求解方法。
[0004]本专利技术采用的技术方案如下：
[0005]基于时间波延时神经网络的约束时变最短路径求解方法，包括以下步骤：
[0006]第1步、构造时间波神经元；
[0007]第2步、构造时间波延时神经网络(time wave delay neural network，简称TWDNN)，初始化TWDNN各项参数；
[0008]第3步、初始化时间波延时神经网络中的所有神经元、激活根神经元；
[0009]第4步、更新TWDNN上的每个神经元的状态信息，已激活神经元产生波；
[0010]第5步、输出最短路径。
[0011]第1步所述构造时间波神经元，具体步骤如下：
[0012]第1.1步、设计输入部分，输入部分的作用是用来接收来自其前驱神经元的波；
[0013]第1.2步、设计波接收器，波接收器的作用是用于对接收到的波进行解码，其包含三个部分和
[0014]第1.3步、设计神经元状态，神经元状态用于更新和记录神经元当前的状态，状态值是否需要更新由判断单元决定。神经元共包含P
i
，D
i
和R
i
三个状态值；
[0015]第1.4步、设计波发生器，波发生器用于计算新波的值，它由三部分组成：
和和
[0016]第1.5步、设计波发送器，波发送器用于对新产生的波进行编码并且将波传送到对应的输出端口，它由和组成；
[0017]第1.6步、设计输出，输出部分的作用是将波发送器发送过来的波传输到其相应地后继神经元。
[0018]第2步所述的构造时间波延时神经网络，初始化TWDNN各项参数，具体步骤如下：
[0019]第2.1步、依据问题的时变网络拓扑结构构造基于时间波神经元的时间波延时神经网络模型，其中每个节点对应TWDNN中一个神经元，每条弧对应TWDNN中一个突触；
[0020]第2.2步、设置根神经元r与目的神经元d；
[0021]第2.3步、设置代价约束参数C
M
的值；
[0022]第2.4步、设置计时器t的初始值为t
r
，t
r
为从根节点最早的出发时间；
[0023]第2.5步、设置神经网络更新时间步长Δt。
[0024]第3步所述的初始化时间波延时神经网络中的所有神经元、激活根神经元，具体步骤如下：
[0025]第3.1步、对于根神经元r，令P
r
＝{r}，R
r
＝0；
[0026]第3.2步、对于非根神经元i∈V\{r}，令R
i
＝M；
[0027]第4步所述的更新TWDNN上的每个神经元的状态信息，已激活神经元产生波，具体步骤如下：
[0028]第4.1步、判断R
d
是否大于C
M
，如果R
d
＞C
M
执行以下操作，否则执行第5步；
[0029]第4.2步、对于TWDNN上的每个非根神经元i∈V\{r}，使用下面式子计算其中g∈VP
i
是神经元i的前驱神经元：
[0030][0031][0032][0033]第4.3步、对于TWDNN上的每个非根神经元i∈V\{r}，使用下面式子计算P
i
，D
i
和R
i
：
[0034][0035]第4.4步、对于TWDNN上的每个以激活的非目的神经元，使用下面式子计算每个新波的三个值和
[0036][0037]第4.5步、对于TWDNN上的每个已激活的非目的神经元，计算和的值为新产生的波编码，计算表达式如下：
[0038][0039]第4.6步、对计时器t进行迭加，t＝t+Δt；
[0040]第4.7步、再次判断R
d
是否大于C
M
，如果R
d
＞C
M
，执行第4.2-4.7步，否则执行第5步。
[0041]第5步所述的输出最短路径，具体步骤如下：
[0042]第5.1步、在神经网络停止更新时，输出目的神经元记录的P
d
，该变量为最短路径的节点序列；
[0043]第5.2步、输出目的神经元记录D
d
，该变量为最短路径上从各节点出发的时间序列(不包含目的节点)；
[0044]第5.3步、输出该路径的传输时间T＝t-t
r-Δt。
[0045]本专利技术的优点和有益效果
[0046]本专利技术提出了时间波延时神经网络方法，该方法是基于时间波神经元的新型神经网络，不需要任何训练，时间波延时神经网络上的每个神经元由输入、波接收器、神经元状态、波发生器、波发送器和输出六个部分组成。波是神经元之间交换信息的媒介，波在神经元之间的传播时延相当于数据包在网络上的传输时延，最短路径的输出是基于目的神经元接收到的时间波。
附图说明
[0047]图1是本专利技术求解约束时变最短路径的实施总体流程图；
[0048]图2是一个时变网络的网络结构图；
[0049]图3是时间波延时神经网络的神经元结构图；
[0050]图4是一个时间波延时神经网络的结构图。
具体实施方式
[0051]下面结合附图和实例对本专利技术进行详细的描述。
[0052]一种基于时间波延时神经网络的约束时变最短本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间波延时神经网络的约束时变最短路径求解方法包括以下步骤：第1步、构造时间波神经元；第2步、构造时间波延时神经网络(time wave delay neural network，简称TWDNN)，初始化TWDNN各项参数；第3步、初始化时间波延时神经网络中的所有神经元、激活根神经元；第4步、更新TWDNN上的每个神经元的状态信息，已激活神经元产生波；第5步、输出最短路径。2.根据权利要求1所述的基于时间波延时神经网络的约束时变最短路径求解方法，其特征在于：第1步所述构造时间波神经元，具体步骤如下：第1.1步、设计输入部分，输入部分的作用是用来接收来自其前驱神经元的波；第1.2步、设计波接收器，波接收器的作用是用于对接收到的波进行解码，其包含三个部分和第1.3步、设计神经元状态，神经元状态用于更新和记录神经元当前的状态，状态值是否需要更新由判断单元决定。神经元共包含P
i
，D
i
和R
i
三个状态值；第1.4步、设计波发生器，波发生器用于计算新波的值，它由三部分组成：和第1.5步、设计波发送器，波发送器用于对新产生的波进行编码并且将波传送到对应的输出端口，它由和组成；第1.6步、设计输出，输出部分的作用是将波发送器发送过来的波传输到其相应地后继神经元。3.根据权利要求1所述的基于时间波延时神经网络的约束时变最短路径求解方法，其特征在于：第2步所述的构造时间波延时神经网络，初始化TWDNN各项参数，具体步骤如下：第2.1步、依据问题的时变网络拓扑结构构造基于时间波神经元的时间波延时神经网络模型，其中每个节点对应TWDNN中一个神经元，每条弧对应TWDNN中一个突触。第2.2步、设置根神经元r与目的神经元d；第2.3步、设置代价约束参数C
M
的值；第2.4步、设置计时器t的初始值为t
r
，t
r
为从根节点最早的出发时间；第2.5步、设置神经网络更新时间步长Δt。4.根据权利要求1所述的基于时间波延时神经网络的约束时变最短路径求解方法，其特征在于：第3步所述的初始化时间波延时神经网络中的所...

【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：