改进计算能量函数下作业车间调度的混沌神经网络方法

神经网络是求解作业车间调度问题的一种有效方法,本文研究可以获得全局最优或近似全局最优的可行解的作业车问调度神经网络方法.给出包括作业车间调度所有约束条件的新的计算能量函数表达式,并把混沌动力学应用于离散Hopfield神经网络作业车间调度中,提出一种改进的暂态混沌离散神经网络作业车间调度方法.仿真结果表明,该方法不仅具有全局搜索能力,而且收敛速度较快,重要的是能够保证神经网络的稳态输出为全局最优或近似全局最优的可行的作业车间调度方案.     

一种Hopfield神经网络能量函数改进下的作业车间调度*

由于作业车间调度问题的目标函数目前还无法用换位矩阵的元素以数学公式的形式表示,因此无法保证求出全局最优解。文中首先对换位矩阵表示方法进行了改进,给出新的带有目标函数的能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法,并将模拟退火应用于Hopfield神经网络求解,避免了陷入局部极值。仿真结果表明,该方法具有全局搜索能力,并能够保证神经网络的稳态输出为全局最优或近似全局最优。     

基于改进能量函数的混沌神经网络JSP解法

针对传统Hopfield神经网络(HNN)在求NP类问题的解时易陷入局部最优点的不足,提出基于改进能量函数的模拟退火混沌神经网络算法。通过在Hopfield神经网络中引入混沌机制,并结合退火策略控制混沌动态,有效避免了陷入局部极小的缺陷,因此将其用于求解JSP（作业车间调度）。算法改进了表示JSP的换位矩阵,给出了包含目标函数的能量函数,保证了网络的稳态输出为全局可行解。     

一种基于遗传Hopfield神经网络求解TSP问题的算法

针对Hopfield网络求解TSP问题时出现无效解和收敛性能差的问题,对约束条件能量函数进行改进,构造了一种求解TSP问题的遗传Hopfield神经网络算法,并与经典Hopfield神经网络求解TSP方法进行对比.实验结果表明,本文算法具有更好的整体求解性能.     

车间作业调度问题的仿真研究

研究车间作业调度优化问题,使资源、车辆调试、交通分配等达到优化配置,因此车间作业调度问题是一个多约束条件的目标优化问题,采用多项式求解方法不能获得最优解,导致车间作业调度效率低.为了提高车间作业调度效率,提出了一种蚁群算法的车间作业调度优化算法.首先以最小加工时间作为优化目标,蚂蚁爬行路径为作业调度方案,通过蚁群中个体间互相协作和信息交流获得最优车间作业调度方案.通过车间作业调度测试案例对算法进行验证性实验,实验结果表明,蚁群算法提高了车间作业调度效率,能在最短时间找到最优调度方案,为车间作业调度优化提供了依据.     

一种基于神经网络的生产调度方法

提出解决具有开、完工期限制的约束Job-shop生产调度问题的一种神经网络方法. 该方法通过约束神经网络,描述各种加工约束条件,并对不满足约束的开工时间进行相应调 节,得到可行调度方案;然后由梯度搜索算法优化可行调度方案,直至得到最终优化可行调度 解.理论分析、仿真实验表明了方法的有效性.     

基于双层粒子群优化算法的柔性作业车间调度优化

针对柔性作业车间调度问题(FJSP),提出了一种改进的双层粒子群优化(ITLPSO)算法。首先,以机器的最大完工时间最小化为优化目标,建立了一个柔性作业车间调度模型;然后,介绍了改进的双层PSO算法,为了避免陷入局部最优和提高收敛速度,算法中加入了停滞阻止策略和凹函数递减策略;最后,对相关实例进行求解,并与已有算法作了比较。实验结果表明,与标准PSO算法和双层粒子群优化(TLPSO)算法相比,最大完工时间的最优值分别减少了11和6,最大完工时间的平均值分别减少了15.7和4,收敛速度明显提高。经过性能分析,所提算法可以明显提高柔性作业车间的调度效率,从而获得了更优的调度方案。     

基于Hopfield神经网络的输油站场操作算法

提出利用连通图来描述输油站场工艺流程。通过对连通图节点进行分类,将计算具体调度任务的操作方案问题转化为计算连通图的辐射状子图问题。在连通图基础上提出最优操作方案的数学模型,并提出利用Hopfield神经网络对数学模型进行求解。给出了神经网络的能量函数和对应的求解方法,实际计算表明,所提方法可行有效,能够减轻现场劳动强度,提高生产效率。     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

新型单层递归神经网络解决非光滑伪凸优化问题的研究

非光滑伪凸优化问题广泛应用于科学及工程等领域，属于一类特殊的非凸优化问题，具有重要的研究意义.针对含有等式约束和不等式约束条件的非光滑伪凸优化问题，该文提出了一种新的神经动力学方法，并引入罚函数和正则化思想.通过有效的罚函数保证了所提出的神经网络状态的有界性，从而保证神经网络的状态解在有限时间内进入可行域中，最终收敛到原问题的最优解.最后，用两个数值实验验证了所提出模型的有效性.与现有的神经网络相比，该文的模型有以下优势：避免预先计算精确的惩罚因子，初始点的选取无特殊要求，结构简单.     

求解工件车间调度问题的一种新的邻域搜索算法

该文提出了一种新的求解工件车间调度(job shop scheduling)问题的邻域搜索算法．问题的目标是：在满足约束条件的前提下使得调度的makespan尽可能地小．定义了一种新的优先分配规则以生成初始解;定义了一种新的邻域结构;将邻域搜索跟单机调度结合在一起;提出了跳坑策略以跳出局部最优解并且将搜索引向有希望的方向．计算了当前国际文献中的一组共58个benchmark问题实例,算法的优度高于当前国外学者提出的两种著名的先进算法．其中对18个10工件10机器的实例,包括最著名的难解实例ft10,在可接受的时间内都找到了最优解．这些实例是当前文献中报导的所有规模为10工件10机器的实例．     

用改进的差分式Hopfield网络实现线性二次型最优控制

为解决差分式Hopfield网络能量函数的局部极小问题,本文对之改进得到一种具有迭代学习功能的线性差分式Hopfield网络.理论分析表明,该网络具有稳定性,且稳定状态使其能量函数达到唯一极小值.基于线性差分式Hopfield网络稳定性与其能量函数收敛特性的关系,本文将该网络用于求解多变量时变系统的线性二次型最优控制问题.网络的理论设计方法表明,网络的稳态输出就是欲求的最优控制向量.数字仿真取得了与理论分析一致的实验结果.     

A tabu search algorithm with a new neighborhood structure for the job shop scheduling problem

Tabu search (TS) algorithms are among the most effective approaches for solving the job shop scheduling problem (JSP) which is one of the most difficult NP-complete problems. However, neighborhood structures and move evaluation strategies play the central role in the effectiveness and efficiency of the tabu search for the JSP. In this paper, a new enhanced neighborhood structure is proposed and applied to solving the job shop scheduling problem by TS approach. Using this new neighborhood structure combined with the appropriate move evaluation strategy and parameters, we tested the TS approach on a set of standard benchmark instances and found a large number of better upper bounds among the unsolved instances. The computational results show that for the rectangular problem our approach dominates all others in terms of both solution quality and performance.     

作业车间调度转换瓶颈算法的不可行解问题

文章讨论了作业车间调度问题转换瓶颈算法的一个缺陷。转换瓶颈算法是解决作业车间调度最小makespan(完工时间)问题的很有效的启发式算法。它是基于反复的解决某些单机调度问题。然而在转换瓶颈算法中用Carlier算法解单机调度问题并不总能得到可行解,文中给出了一个反例证明了有产生不可行解的情况。另外,文章还以简洁的方法证明了转换瓶颈算法若用Schrage算法替代Carlier算法解单机调度问题不会产生不可行解。     

An integrated search heuristic for large-scale flexible job shop scheduling problems

The flexible job shop scheduling problem (FJSP) is a generalization of the classical job shop scheduling problem (JSP), where each operation is allowed to be processed by any machine from a given set, rather than one specified machine. In this paper, two algorithm modules, namely hybrid harmony search (HHS) and large neighborhood search (LNS), are developed for the FJSP with makespan criterion. The HHS is an evolutionary-based algorithm with the memetic paradigm, while the LNS is typical of constraint-based approaches. To form a stronger search mechanism, an integrated search heuristic, denoted as HHS/LNS, is proposed for the FJSP based on the two algorithms, which starts with the HHS, and then the solution is further improved by the LNS. Computational simulations and comparisons demonstrate that the proposed HHS/LNS shows competitive performance with state-of-the-art algorithms on large-scale FJSP problems, and some new upper bounds among the unsolved benchmark instances have even been found.     

Multiprocessor Task Assignment with Fuzzy Hopfield Neural Network Clustering Technique

Most scheduling applications have been demonstrated as NP-complete problems. A variety of schemes are introduced in solving those scheduling applications, such as linear programming, neural networks, and fuzzy logic. In this paper, a new approach of first analogising a scheduling problem to a clustering problem and then using a fuzzy Hopfield neural network clustering technique to solve the scheduling problem is proposed. This fuzzy Hopfield neural network algorithm integrates fuzzy c-means clustering strategies into a Hopfield neural network. This investigation utilises this new approach to demonstrate the feasibility of resolving a multiprocessor scheduling problem with no process migration and constrained times (execution time and deadline). Each process is regarded as a data sample, and every processor is taken as a cluster. Simulation results illustrate that imposing the fuzzy Hopfield neural network onto the proposed energy function provides an appropriate approach to solving this class of scheduling problem.       

考虑非确定加工时间的柔性作业车间调度问题研究

加工时间不确定的柔性作业车间调度问题已逐渐成为生产调度研究的热点。采用区间表示加工时间范围,利用时间Petri网建立区间柔性作业车间调度问题形式化模型,并运用网模型的状态类图进行可达性分析,计算出所有可行变迁触发序列。通过对触发序列的时序分析,提出一种有效的逆向分步法来构造触发序列的时间约束不等式,进而求解线性规划问题来获得最小完工时间下界(上界)的优化调度策略。最后利用实例分析验证了模型及所提方法的正确性和可行性,为实际的区间柔性作业车间调度问题提供有效方案。