Red Neuronal Pulsante Adaptada al Problema del Camino más Corto

Publicación:
Entidad Editora:
Editor Técnico:
ISSN:
Ejemplar/Número:

Cateoría:
Páginas:
Colección:
Fecha de inicio:
Periodicidad:

Programación Matemática y Software
Universidad Autónoma del Estado de Morelos
Dr.Marco Antonio Cruz Chávez
2007-3283
Volumen 11, Número 2/Junio de 2019
Periodo Junio-Septiembre 2019
Artículo de Investigación
1-9
Computación
Junio del 2019
Cuatrimestral

Manuel Mejía-Lavalle, José Jesús Paredes-Cano, Dante Mújica-Vargas, Andrea Magadán-Salazar

Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET), Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

Recibido: 28 de junio de 2018 Aceptado: 10 de octubre de 2018 Publicado en línea: 28 junio de 2019

Resumen. La solución eficiente del problema del camino más corto tiene aplicaciones en áreas tan importantes y actuales como la robótica, las telecomunicaciones, la investigación de operaciones, la teoría de juegos, las redes de computadoras, internet, diseño industrial, fenómenos de transporte, diseño de circuitos electrónicos y otros, por lo que es un tema de gran interés en el área de optimización combinatoria. En el presente trabajo se describe una Red Neuronal Artificial Pulsante capaz de atacar eficientemente el problema del camino más corto entre dos nodos. Una vez que la Red Pulsante encuentra el nodo meta a costo mínimo, se realiza una extracción o Explicitación de Conocimiento de esta Red para recuperar la trayectoria final. Debido al diseño en paralelo de la Red Neuronal aquí presentada, este enfoque de solución puede resultar altamente competitivo, según se observó en la etapa de experimentación a partir de los buenos resultados obtenidos, aún en casos con miles de nodos.

Palabras Clave: Red Neuronal Pulsante, Optimización, Problema de Camino más Corto, Explicitación de Conocimiento, Diseño Paralelo.

Abstract. The efficient solution of the shortest path problem has applications in such important and current areas as robotics, telecommunications, operations research, game theory, computer networks, internet, industrial design, transport phenomena, design of electronic circuits and others, so it is a subject of great interest in the area of combinatorial optimization. In the present work, we describe a Spiking Artificial Neural Network capable of efficiently attack the problem of the shortest path between two nodes. Once the Spiking Network finds the target node at minimum cost, an extraction or Knowledge Explicitation of this Network is performed to recover the final trajectory. Due to the parallel design of the Neural Network presented here, this solution approach can be highly competitive, as observed from the good results obtained in the experimental phase, even in cases with thousands of nodes.

Keywords: Spiking Neural Network, Optimization, Shortest Path Problem, Knowledge Explicitation, Parallel Design.