启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题，而Hopfield神经网络通常被广泛应用于各种组合优化问题．针对车间调度问题(JSP)的约束条件和换位矩阵，提出了包含所有约束条件的计算能量函数表达式，并针对神经网络依赖初始解，提出了启发式算法与神经网络相结合的方法，并得到解决车间调度的Hopfield神经网络结构和权值解析表达式．实验仿真结果表明了该方法的有效性．     

Hopfield神经网络及其系统辨识中的应用

介绍了Ｈｏｐｆｉｌｄ神经网络及其在系统辨识中的应用，并给出了数字仿真结果。     

离散Hopfield神经网络在沥青路面使用性能评价中的应用

为使沥青路面使用性能评价更加科学合理,提出了基于离散Hopfield神经网络的评价方法,该方法综合了行驶质量、路面破损状况、结构承载力和路面抗滑性能等4个主要内容对路面使用性能的影响。通过设计离散Hopfield神经网络对沥青路面使用性能进行了综合评价,最后通过实例计算并将计算结果与传统方法的评价结果进行比较。结果表明:该方法合理有效,且相对于传统的方法操作简单、成本更低、易推广,具有一定的优越性。     

Hopfield神经网在培养问题中的应用及分析

提出并实现了用Ｈｏｐｆｉｅｌｄ神经网络来求解线性规划中的营养问题，并对其模拟实验结果作了有意义的分析，证明了用Ｈｏｐｆｉｅｌｄ神经网来解决问题的可行性与有效性。指出了确定能量函数的各参数时应特别注意的问题。     

一类时滞Hopfield神经网络系统的全局稳定性

研究一类时滞Hopfield神经网络系统的平衡状态的存在性与全局稳定性,这类系统放弃了以前对激活函数的可微性与单调性要求。利用M矩阵理论,通过构造适当的Liapunov泛函,得到了系统全局渐近稳定的充分条件,改进了以前的相关结论。     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

求解流水车间调度问题的一种启发式算法

针对以总完工时间最小为目标的流水调度问题,提出了一个启发式算法:采用经典的调度规则构造初始解,通过禁忌搜索提高解的质量.仿真结果表明了算法的可行性,具有较好的工程应用价值.     

具有学习效果的两机流水车间调度启发式算法研究

以最小化时间表长为目标函数,对具有学习效果的两机流水车间调度问题进行研究.由于工序加工时间引入了学习效果,传统的Johnson法则和NEH启发式算法不再适用.针对该问题的NP-hard特性,提出了JNEH和MNEH两种求解问题的多项式启发式算法.计算机数据实验证明了新的启发式算法求解问题的可行性和有效性;表明了JNEH启发式算法和MNEH启发式算法对小规模问题求解的精度更高、稳定性更好;同时证明MNEH启发式算法对求解大规模问题具有比传统算法更好的寻优性能和鲁棒性.     

模糊排序及启发式算法在物流中心选址中的应用

通过一种启发式算法对各选址方案的费用进行计算，比较评选，淘汰一批按费用准则不可接受的方案，并通过建立物流选址规划方案的评价指标体系和应用模糊理论将各指标模糊量化，对经过筛选的方案进行综合评价，排序，从而得到最佳方案。     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限，将一种改进的遗传算法——“双链遗传算法”应用于求解作业车间生产调度问题．与简单遗传算法相比，双链遗传算法在解决作业车间调度问题上，显著提高了搜索效率，还增强了避免早熟的能力．对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结，编制了双链遗传算法求解作业车间调度问题的程序，通过调度例子测试表明了算法的有效性和可行性。     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限,将一种改进的遗传算法--"双链遗传算法"应用于求解作业车间生产调度问题.与简单遗传算法相比,双链遗传算法在解决作业车间调度问题上,显著提高了搜索效率,还增强了避免早熟的能力.对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结,编制了双链遗传算法求解作业车间调度问题的程序,通过调度例子测试表明了算法的有效性和可行性.     

一种新的伪并行遗传算法在车间调度中的应用研究

提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic A lgorithm,简称IPPGA),将改进遗传算法与SGA伪并行操作(采用并行思想,在同一台机器上完成操作),保证了种群多样性,防止局部早熟收敛;改进算法对部分遗传算子做了改进,采用迭代交叉,多父代产生多子代,让多个染色体中优秀基因段组合产生子代,大大加快收敛速度;设定一个最优个体保存序列库,防止最优解的丢失.采用实际算例进行仿真试验,数据表明改进的伪并行遗传算法(IPPGA)较标准遗传算法(SGA)快速、有效.     

Improved Genetic Algorithm for Job-Shop Scheduling

Introduction Job shopschedulingproblem(JSP)isoneofthe well knownhardestcombinatorialoptimizationprob lems,andmanysolutionsbasedongeneticalgorithms(GAs)havebeenproposedbymanyresearchersso far[13].SincethedemonstrationofapplicationofGA toschedulingproblemsb…     

一种新的伪并行遗传算法在车间调度中的应用研究

提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic Algorithm,简称IPPGA),将改进遗传算法与SGA伪并行操作(采用并行思想,在同一台机器上完成操作),保证了种群多样性,防止局部早熟收敛;改进算法对部分遗传算子做了改进,采用迭代交叉,多父代产生多子代,让多个染色体中优秀基因段组合产生子代,大大加快收敛速度;设定一个最优个体保存序列库,防止最优解的丢失.采用实际算例进行仿真试验,数据表明改进的伪并行遗传算法(IPPGA)较标准遗传算法(SGA)快速、有效.     

������ɢHopfield������Ĺ����������۷����о�

根据公交调度评价问题的特点,提出了基于离散Hopfield神经网络的评价方法. 在构造Hopfield神经网络时,从公交系统运行效率,衔接的顺畅性,运力协调性,企业经济利润率等四个主要内容出发,选取有效时间利用率、平均换乘次数、运能匹配度和运营利润率四个可量化且彼此相互独立的指标, 作为公交调度优化结果的评价指标. 并用matlab对Hopfield网络进行设计仿真, 使其可以更加合理和方便地对公交调度结果进行评价,从而具有更广泛的工程应用面. 最后通过实例计算验证并将计算结果与传统的德尔菲法进行比较. 结果表明,该方法合理有效,且相对于传统的方法操作简单、易推广,具有一定的优越性.     

基于启发性规则及关键路径调整的柔性作业调度优化算法

为克服传统进化算法求解较大型柔性作业调度问题计算时间长和结果不稳定的缺点,提出了一种启发性规则求解方法.该方法用一个启发性规则产生初始调度解,再利用一些启发式规则对初始调度过程中的关键工件及关键工序进行搜索,并对关键路径进行优化调整得到较优解,通过比较得到柔性调度问题的优化调度解.用本文方法对典型柔性调度问题进行求解,并与其他算法的求解结果进行比较,对于15×10问题,采用本文方法的计算结果与混合基因算法相同,计算时间为3.2 s,减少了42%;对于23×10及25×10的较大型问题,表明启发性规则的引入能提高求解效率,与传统进化算法相比,更适合求解较复杂的柔性作业调度问题.     

改进的压缩关键路径遗传算法在车间调度中的应用

针对车间调试中标准遗传算法的过早收敛问题,提出一种基于压缩关键路径的遗传算法的交叉机制,试图将关键路径上的作业合理安排,增加了交叉成功的概率,使得遗传算法在运行到后期时,可以有效的得到近似最优解.     

一种改进的遗传算法及其在作业车间调度的应用

基于遗传算法容易产生早熟的现象,提出了一个概念清楚、运算量小的评价种群过早收敛程度的指标 ,并利用该指标提出了一种新的调整策略.仿真实例表明 ,该方法能及时反映种群在进化过程中的过早收敛程度 ,不仅能加快计算速度 ,而且还能增强算法的全局收敛性.