uma nova abordagem na resolução do problema do caixeiro viajante
uma nova abordagem na resolução do problema do caixeiro viajante
uma nova abordagem na resolução do problema do caixeiro viajante
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
quadrada, a cardi<strong>na</strong>lidade destes conjuntos pode ser igual a 8, 5 ou 3, ou seja; 8, quan<strong>do</strong> o<br />
neurônio vence<strong>do</strong>r não está no contorno <strong>do</strong> mapa; 5, quan<strong>do</strong> o neurônio vence<strong>do</strong>r pertence ao<br />
contorno, mas fora de <strong>uma</strong> das extremidades <strong>do</strong> mapa; ou 3, quan<strong>do</strong> o neurônio vence<strong>do</strong>r está<br />
localiza<strong>do</strong> em <strong>uma</strong> das extremidades <strong>do</strong> mapa. Em mapas com vizinhança <strong>do</strong> tipo hexago<strong>na</strong>l<br />
estes números são, respectivamente, iguais a 6, 4 e 3 (WITKOWSKI et al., 1997).<br />
No trei<strong>na</strong>mento da Rede de Kohonen, a ordem de entrada <strong>do</strong>s padrões pode ser<br />
aleatória, e os padrões de entrada devem ser vetores normaliza<strong>do</strong>s, com o objetivo padronizar<br />
tais vetores e evitar a classificação com base em coorde<strong>na</strong>das <strong>do</strong>s vetores de entrada que<br />
possuem valores muito altos em comparação com as outras coorde<strong>na</strong>das (JAIN; MURTY;<br />
FLYNN, 1999).<br />
O algoritmo da Rede de Kohonen possui 3 fases. A primeira é a competitiva, onde os<br />
neurônios da camada de saída competem entre si, de acor<strong>do</strong> com um critério, geralmente<br />
utiliza-se a distância Euclidia<strong>na</strong>, definin<strong>do</strong> um neurônio vence<strong>do</strong>r. A segunda fase é<br />
denomi<strong>na</strong>da cooperativa, onde a vizinhança <strong>do</strong> neurônio vence<strong>do</strong>r é definida. A última fase é<br />
denomi<strong>na</strong>da adaptativa, pois os pesos <strong>do</strong> neurônio vence<strong>do</strong>r e de sua vizinhança são ajusta<strong>do</strong>s<br />
(SILVA, 2004).<br />
A função de vizinhança controla a atuação <strong>do</strong>s neurônios vizinhos em torno <strong>do</strong><br />
vence<strong>do</strong>r, e como no modelo biológico, esta atuação diminui quan<strong>do</strong> a distância <strong>do</strong> vizinho<br />
aumenta. As propriedades de convergência <strong>do</strong> algoritmo da Rede de Kohonen podem ser<br />
encontradas <strong>na</strong>s seguintes publicações: Fla<strong>na</strong>gan (1996) e Cottrell, Fort e Pagès (1998).<br />
O algoritmo para o trei<strong>na</strong>mento de <strong>uma</strong> Rede de Kohonen unidimensio<strong>na</strong>l ou<br />
bidimensio<strong>na</strong>l com r neurônios é apresenta<strong>do</strong> a seguir, onde a entrada <strong>do</strong>s padrões é<br />
considerada aleatória.<br />
Algoritmo para a Rede de Kohonen<br />
Passo 1: Inicie os pesos (wij) <strong>do</strong>s r neurônios da rede, com valores aleatórios pertencentes ao<br />
intervalo [0, 1]. Faça t = 1, determine os valores iniciais <strong>do</strong> raio da vizinhança R e<br />
da taxa de aprendizagem α. Escolha um critério de parada, e vá ao passo 2.<br />
Passo 2: Encontre um padrão de entrada k ainda não apresenta<strong>do</strong> à rede <strong>na</strong> iteração t, onde k<br />
∈ (0, v]. Se to<strong>do</strong>s os padrões já foram apresenta<strong>do</strong>s <strong>na</strong> iteração t, faça t = t + 1, e vá<br />
ao Passo 5; caso contrário, apresente à rede a entrada pk, e vá ao Passo 3.