
エントリーの編集

エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
シミュレーテッド・アニーリングでボルツマンマシンを使用して簡単な巡回セールスマン問題を解く - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
シミュレーテッド・アニーリングでボルツマンマシンを使用して簡単な巡回セールスマン問題を解く - Qiita
この記事の目的 焼きなまし法(Simulated Annealing:シミュレーテッド・アニーリング)を応用し、組合... この記事の目的 焼きなまし法(Simulated Annealing:シミュレーテッド・アニーリング)を応用し、組合せ最適化問題の代表的な問題の一つの巡回セールスマン問題を解きます。 さらに、計算モデルとしてボルツマンマシンモデルを採用し、Pythonでプログラミングを行い、最適解を求めます。 焼きなまし法の理論について ここで取り上げる焼きなまし法に関する数式や基本理論については、下部「出典」に記載の参考書「最適化アルゴリズム」(P120~)に詳細の説明がありますので、ここでは割愛させて頂きます。 主にプログラミングを中心に記事にしたいと思います。 巡回セールスマン問題として、こちらで取り組んだ問題と同じ問題を使用します。 ■遺伝的アルゴリズム(GA)とそのライブラリ(vcopt)で巡回セールスマン問題を解く https://qiita.com/ttlabo/items/9b00a297