18, №3 УДК 004.032.26(06) Решение задачи коммивояжера с использованием рекуррентной нейронной сети М.С. Тарков Институт физики полупроводников им. <...> Решение задачи коммивояжера с использованием рекуррентной нейронной сети // Сиб. журн. вычисл. математики / РАН. <...> Особенностью предложенного алгоритма является использование метода частичных (префиксных) сумм для ускорения решения системы уравнений сети Хопфилда. <...> Для получения дополнительного ускорения выполнено распараллеливание предложенного алгоритма на графическом процессоре с использованием технологии CUDA. <...> На ряде примеров из библиотеки TSPLIB с числом городов от 51 до 2392 показано, что NWTA-алгоритм находит приближенные решения задачи коммивояжера (относительное увеличение длины маршрута по сравнению с оптимальной составляет 0.03ч0.14). <...> При большом числе городов (130 и выше) время работы NWTA-алгоритма в 4 ч 24 раз меньше времени работы эвристического алгоритма LKH, посредством которого получены оптимальные решения для всех примеров из TSPLIB. <...> Solving the traveling salesman problem using a recurrent neural network // Siberian J. <...> A new algorithm (NWTA-algorithm) for solving the traveling salesman problem (TSP) is proposed. <...> The algorithm is based on the use of the Hopfield recurrent neural network, the WTA method (“Winner takes all") for the cycle formation, and 2-opt optimization method. <...> A special feature of the algorithm proposed is in the use of the method of partial (prefix) sums to accelerate the solution of the system of the Hopfield network equations. <...> For attaining additional acceleration, the parallelization of the algorithm proposed is performed on GPU with the CUDA technology. <...> With a large number of cities (130 and more) the NWTA-algorithm running duration on the CPU is in 4 ч 24 times less than the duration of the heuristic LKH algorithm giving optimal solutions for all TSPLIB examples <...>