چکیده فارسی :

حل مشکلات و مسائل سخت به هوش محاسباتی نیاز دارد. یکی از مهمترین مسیرها در هوش مصنوعی شامل توسعه الگوریتم های مؤثر هوش محاسباتی مانند الگوریتم های تکاملی و شبکه های عصبی می گردد. سیستم هایی که به طور جداگانه و یا با همدیگر عمل می کنند م ثل روبات های متحرک میتوانند از الگوریتم های هوش محاسباتی برای حل مشکلات متعدد استفاده کنند اما در عمل هوشی را پدید می آورند که هوش سیستم نامیده میشود. Tsp زمینه کاربردی گسترده ای دارد و مشکل شغلی بارزی است. مزایای ماکسیم Tsp و Tsp جمع آوری قیمت، کاربردهای اقتصادی فراوانی دارد. هم چنین Tsp در Raja حمل و نقل 2012 نیز به کار رفت و نیز کاربرد گسترده ای در بهینه سازی طراحی مسیر حرکت عامل متحرک دارد. در این مقاله، این طراحی با استفاده از شبکه های عصبی برای حل Tsp و نتایج حاصل از تحقیقات مربوط به مسیر بهینه میان 2 نقطه در زمینه کار عامل موردبررسی قرار خواهد گرفت. در این مقاله، تعدیل تابع معیار انتخاب مزون برنده نیز ارائه خواهد گردید. در پایان مقاله، نتایج ارزیابی بیان خواهد گردید.

چکیده انگلیسی :

Many difficult problem solving require computational intelligence. One of the major directions in artificial intelligence consists in the development of efficient computational intelligence algorithms, like: evolutionary algorithms, and neural networks. Systems, that operate in isolation or cooperate with each other, like mobile robots could use computational intelligence algorithms for different problems/tasks solving, however in their behavior could emerge an intelligence called system s intelligence, intelligence of a system. The traveling salesman problem TSP has a large application area. It is a well-known business problem. Maximum benefits TSP, price collecting TSP have a large number of economic applications. TSP is also used in the transport logic Raja, 2012. It also has a wide range of applicability in the mobile robotic agent path planning optimization. In this paper a mobile robotic agent path planning will be discussed, using unsupervised neural networks for the TSP solving, and from the TSP results the finding of a closely optimal path between two points in the agent working area. In the paper a modification of the criteria function of the winner neuron selection will also be presented. At the end of the paper measurement results will be presented.