در این مقاله یک الگوریتم ژنتیکی جدید برای بهینه‏سازی پاسخ‏های شبکه عصبی CNN-TSP ارائه شده است. با اینکه CNN-TSP پاسخ‏هایی بسیار مناسب و قابل قبول به TSP ارائه می‏دهد، اما در مینیمم‏های محلی تابع انرژی‏اش بدام می‏افتد. الگوریتم ژنتیکی پیشنهادی با استفاده از ساختار سازنده شبکه و جایگزینی یک تصمیم‏گیرنده تکاملی بجای تصمیم‏گیرنده رقابتی آن توانسته است پاسخ‏های شبکه را بنحو چشمگیری بهبود بخشد. تا آنجا که طبق شبیه‏سازی‏های انجام شده، الگوریتم ژنتیکی پیشنهادی توانسته است از میان 22 مسأله‏ای که پاسخ بهینه آنها از کتابخانه TSPLIB استخراج شده بود، در 7 مورد پاسخ‏هایی بهتر از پاسخ‏های کتابخانه، در 9 مورد همان پاسخ‏ها و در 6 مورد پاسخی بدتر از پاسخ کتابخانه ارائه دهد. همچنین، پاسخ‌های الگوریتم ژنتیکی پیشنهادی برای 7 مسأله استاندارد از کتابخانه TSPLIB با چند روش متداول دیگر مقایسه گردیده است. شبیه‌سازی‌ها بیانگر آن است که دقت روش پیشنهادی در مقایسه با دیگر روش‌ها حداقل 5/1% بیشتر است. خصوصیاتی چون دقت بالا و سرعت همگرایی مناسب الگوریتم ژنتیکی پیشنهادی را به ابزاری مناسب برای کاربردهای خارج خط (off-line) مبدل کرده است.

کلمات کلیدی