使用神经网络的骑士之旅

Question

我正在研究骑士之旅问题，并决定尝试使用神经网络在 python 中实现它来寻找解决方案。

该方法的一般解释可以在 维基百科 上找到，

虽然我认为我有正确实现它（我看不到任何其他错误），它不起作用，它更新了一些链接，删除了连接顶点的度数超过二的边，但它没有收敛于解决方案。

我想知道是否有人对我错误地实现了什么有任何想法（对可怕的代码感到抱歉）。

编辑
工作代码可以在 GitHub https://github.com/Yacoby/KnightsTour 找到

Answer 1

你无法就地更新神经元。由于 U[t+1] 取决于 U[t] 和 V[t]，如果您已经更新了 V，则 U 的计算将是错误的

我认为您应该将更新分为两个阶段
update_state和update_output，所以所有的U都被更新，然后所有的V

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

Answer 2

第一印象是你的板只有一个缓冲区。我这样做的基础是我没有看到迭代之间有任何缓冲区交换 - 我没有仔细观察并且可能很容易出错。

如果您就地修改单个缓冲区，那么当您进行邻居计数时，您将基于部分修改的板 - 而不是您开始时的板。

Answer 3

查看您的代码后，我认为您对所使用公式的解释可能不正确。您说，在更新状态时，您添加四个而不是两个，并减去神经元本身的输出。在我看来，你像是在减去神经元本身的输出两次。您查找邻居的代码似乎无法区分神经元的邻居和神经元本身，并且您运行此代码两次 - 每个顶点一次。

对我自己的代码的测试似乎证实了这一点。当我减去神经元自身的输出两次而不是一次时，收敛率会大大提高。