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，簡稱PCNN)，因其模型自身的綜合時空特性，而被越來越多的學(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題上。Caulfield和Kinser最先提出用PCNN解迷宮問題。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不同-以圖像為對象還是把問題抽象為鄰接矩陣解決。

2、
　　 本論文在前人對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)計了基于改進型的PCNN迷宮智能優(yōu)化算法，并將其應(yīng)用解決實際迷宮問題，具體如下：
　　 1、通過對PCNN模型內(nèi)在機理的研究，并根據(jù)PCNN的自身特點，選擇合適的模型參數(shù)以適合求解迷宮最短路徑問題。實驗結(jié)果表明，改進后的PCNN模型不僅保留了原始PCNN模型的結(jié)構(gòu)與特點，而且更適合求解迷宮路徑優(yōu)化的問題。
　　 2、通過