| Summary: | Utilizou-se mapa auto-organizável unidimensional com aprendizado winner takes all para a resolução do problema do caixeiro-viajante. Nessa implementação, cada neurônio representa um vértice. Após a execução, a ordem dos neurônios indica a rota que representa a solução encontrada. Foram realizadas simulações com seis instâncias da base TSPLIB de tamanhos de 51 a 1379 vértices. Foram utilizadas uma taxa de aprendizagem de 0,8 e 3 mil épocas de treinamento em todas as execuções. Essa abordagem se mostrou eficiente e consistente. Todavia, as soluções encontradas não são melhores do que as obtidas por outros pesquisadores, por ter sido empregada, aqui, uma técnica de aprendizado com menor custo computacional, a saber, parâmetros iguais para todas as instâncias, e por não ter sido utilizado um algoritmo de otimização por busca local. Consequentemente, obteve-se uma solução com baixo custo computacional.
|
|---|
