科霍寧SOFM是一個前饋無監督學習網絡，它由兩層組成：輸入層和輸出層。輸入層，也稱匹配層，計算輸入模式向量與權重向量的距離，即匹配度；輸出層也叫比賽層，諸神按照匹配度比賽，匹配度大(距離小)的神經元確定獲勝。獲勝神經元及其場中神經元的權重向量在更接近模式向量的方向上更新。經過反復的競爭和更新，神經元最終會學習模式向量並以權向量的形式保存，從而實現模式向量的聚類、識別和拓撲不變性映射。這個過程就是自組織學習(映射)。可以看出，科霍寧SOFM自組織映射學習映射包括兩部分：最佳匹配神經元選擇和權向量更新。
神經網絡具有很強的並行性和適應性，可以應用於控制、信息、預測等許多領域。蟻群算法首先成功應用於旅行商問題，然后被廣泛應用於各種組合優化問題。但是算法的理論基礎比較薄弱，算法的收斂性沒有得到證明。很多參數只是憑經驗設定，實際效果一般，使用起來往往不成熟。遺傳算法是一種成熟的算法，具有很強的全局優化能力，能夠快速逼近最優解。主要用於解決組合優化的NP問題。這三種算法可以相互集成。例如，遺傳算法可以優化神經網絡的初始權重，防止神經網絡訓練陷入局部最小值，加快收斂速度。蟻群算法也可以用來訓練神經網絡，但必須使用優化的蟻群算法，如max-min蟻群算法和精英保留策略。
我的其他文章：