使用神经网络的骑士之旅

Question

我在看骑士之旅的问题，并决定在python中使用神经网络来实现它，以找到解决方案。

方法的一般解释可以Wikipedia

发现虽然我认为我正确实施它（我看不到任何东西，这是错误），这是行不通的，它更新了几个链接，删除连接顶点的度数超过2的边，但它不会收敛在解上。

我想知道如果有人有任何想法，我已经实施了不正确的（抱歉可怕的代码）。

编辑
工作的代码可以在Yacoby.net

Answer 1

你不能更新神经元。由于U [T + 1]取决于U [T]和V [T]，如果你已经更新V代表U中的计算将是错误的

我想你应该更新分为两个阶段 update_state和update_output ，所以所有U更新，然后将所有在V

for n in neurons: 
     n.update_state() 
    for n in neurons: 
     n.update_output() 

Answer 2

第一印象可以发现的是，你只需要在板上的一个缓冲区。我基于这样一个事实，即在迭代之间我没有看到任何缓冲区交换 - 我没有仔细查看，可能很容易出错。

如果你修改了一个缓冲区，当你做邻居计数时，你将它们建立在一个部分修改的电路板上 - 而不是你开始时的电路板。

Answer 3

寻找你的代码后，我觉得你对你使用的可能是不正确的公式解释。你说当更新状态时，你添加四个而不是两个，并减去神经元本身的输出。它在我看来就像是你两次减去神经元本身的输出。找到邻居的代码似乎不能区分神经元的邻居和神经元本身，并且你运行这个代码两次 - 每个顶点一次。

我自己的代码测试似乎证实了这一点。当我减去神经元自己的输出两次而不是一次时，收敛速度大大提高。