The Journal of the Institute of Internet, Broadcasting and Communication (한국인터넷방송통신학회논문지)

The Institute of Internet, Broadcasting and Communication (한국인터넷방송통신학회)
권호 표지

Study on the Shortest Path by the energy function in Hopfield neworks

홉필드 네트웍에서 에너지 함수를 이용한 최적 경로 탐색에 관한 연구

  • 고영훈 (협성대학교 컴퓨터공학과) ;
  • 김윤상 (한국기술교육대학교 인터넷미디어공학부)
  • Received : 2010.06.11
  • Accepted : 2010.10.15
  • Published : 2010.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Hopfield networks have been proposed as a new computational tool for finding the shortest path of networks. Zhang and Ali studied the method of finding shortest path by expended neurons of Hopfield networks. Ali Algorithm is well known as the tool with the neurons of branch numbers. Where a network grows bigger, it needs much more time to solve the problem by Ali algorithm. This paper modifies the method to find the synapse matrix and the input bias vector. And it includes the eSPN algorithm after proper iterations of the Hopfield network. The proposed method is a tow-stage method and it is more efficient to find the shortest path.The proposed method is verified by three sample networks. And it could be more applicable then Ali algorithm because it's fast and easy. When the cost of brach is changed, the proposed method works properly. Therefore dynamic cost-varing networks could be used by the proposed method.

홉필드 네트웍은 패턴 매칭과 더불어 최적화 문제를 푸는 도구로 사용될 수 있다. 특히 Zhang과 Ali는 홉필드 네트웍의 노드를 2차원으로 확장하여 최적화 문제를 해결하였다. 잠재적 브랜치의 총합인 노드의 제곱만큼 뉴런이 필요한 Ali 알고리즘은 탐색 네트워크가 커지면 많은 시간이 소요되는 단점이 있다. 본 논문에서는 Ali의 방식을 개선하여 계산량을 대폭 줄이고 효과적으로 최적 경로를 탐색할 수 있는 방식을 제안한다. 효과적인 최적 경로 탐색을 위하여 2단계로 구분하여 진행된다. 1단계에는 홉필드 네트웍을 2단계에는 eSPN 알고리즘을 사용하여 최적 경로를 탐색할 수 있다. 제안된 방식은 샘플 네트웍을 통하여 최적 경로 탐색이 확인되었으며, Ali 알고리즘보다 빠르고 간단하여 실제 최적화에 적용하기기 용이하다. 특히, 네트웍의 브랜치 비용이 변화할 경우에도 홉필드 네트웍의 연결 시냅스가 아닌 입력 바이어스를 조정하므로 동적으로 변화하는 네트웍의 최적 경로 탐색에도 유용하다.

Keywords

References

  1. J. J. Hopfield, "Neural networks and physical systems with emergent collective computational properties," Proceedings of the National Academy of Sciences, vol. 79, pp. 2554-2558, 1982. https://doi.org/10.1073/pnas.79.8.2554
  2. J. J. Hopfield, "Neurons with graded response have collective computational properties like those of two-state neurons," Proc. Nat. Acad. Sci., Vol. 81, pp.3088-3092, 1984. https://doi.org/10.1073/pnas.81.10.3088
  3. J. J. Hopfield and D. W. Tank, "Neural computations of decisions in optimization problems," Bol. Cybern, Vol. 52, pp. 141-152, 1986.
  4. H. E. Rauch and T. Winarske, "Neural networks for routing communication traffic," IEEE Cont. Syst. Mag., pp. 26-30, Apr 1988. https://doi.org/10.1109/37.1870
  5. L. Zhang and S. C. A. Thomopoulos, "Neural networks implementation of the shortest path algorithm for traffic routing in communication networks," Proc. Int. Joint Conf. Neural Networks, Jun 1989.
  6. Mustafa K. Mehmet Ali and Faouzi Kamoun, "Neural Networks for Shortest Path Computation and Routing in Computer Networks,"IEEE Trans. on Neural Networks, Vol. 4, no. 6, Nov 1993.