用神经网络求解机器人动态调度中的近似指派问题

本文利用HOPFIELD神经网络，对机器人动态调度中的近似指派问题提出了合理的神经网络表示方法，给出了网络的能量函数表示法及神经元状态方程，从而得出了机器人动态调度中近似指派问题的快速求解策略，满足了动态调度的实时性要求．本文从理论上论证了所提算法的收敛性．软件仿真结果表明，本文提出的近似指派问题网络求解方法是有效的，计算结果是满意的．     

基于暂态混沌神经网在非平衡B指派问题的应用

讨论了非平衡B指派问题的求解算法，给出了暂态混沌神经网络模型，并描述了非平衡B指派问题，提出了基于暂态混沌神经网络的非平衡B指派问题的求解算法。仿真结果表明，该网络可以通过混沌机制来避免陷入局部极小点，从而能够保证快速有效地求解该指派问题。该文还用这种方法求解了属于NP难题的文件分配问题(FAP)。     

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.     

整体式自动化物料运输系统防拥堵调度策略

为解决自动化物料运输系统中的车辆拥堵问题,提高生产运输效率,根据混合布局建立轨道的图网络模型,提出基于实时交通信息的动态调度方法.在调度过程的运输任务指派和运输路径规划阶段均使用加入交通信息的预测时间,运输任务指派根据系统状态变化使用匈牙利算法动态求解,路径规划也会根据轨道权重变化选择最快到达目的地的路径.实验结果表明,提出方法可以有效缓解车辆拥堵,减少晶圆的平均运输周期.     

基于神经网络模型的有约束的FMS资源调度

本文介绍了用神经网络求解ＦＭＳ中有约束的资源调度问题的方法，有约束的资源调度问题首和无被分解成一系列多维背包模型并且为背包模型建立了一个等价的Ｈｏｐｆｉｅｌｄ神经网络，然后通过扩展Ｈｏｐｆｉｅｌｄ网络，给出了一种求解有约束的资源调度问题的方法。这咱方法可以避免通常神经网络所具有的不稳定性和容易陷入局部极小点的缺陷。     

基于神经网络的并联3自由度机器人位置正解

并联机器人位置正解是机器人运动学中难点问题之一，常规求解方法比较复杂且难度较大，通常需要对大量的非线性方程组进行推导计算且得到的解不唯一。该文提出了一种将人工神经网络用于并联机器人位置正解求解的通用方法，并结合实际机构对并联3自由度机器人进行了具体求解。通过对神经网络拓扑结构的设计以及选取有效的学习算法并用大量的位置反解数据对神经网络进行训练，获得了用于求解位置正解的神经网络模型，该网络可以实现位置正解问题的求解计算，从而避免了复杂的推导和演算。计算机仿真与实验结果表明了该方法的有效性与可行性。     

改进灰狼优化算法求解机器人作业车间调度问题

针对物料机器人指派和作业车间的联合调度问题,设计了一种改进灰狼优化算法进行求解。根据机器人作业车间调度和灰狼优化算法的各自特点,提出一种面向机器人转移工序的编码方式。解码时,考虑工件运输的前提是工件在当前机器的工序已加工,提出融合间隙解码方法的驱动解码方法。为避免算法陷入局部最优,在灰狼个体位置更新后加入个体变异方法。最后,通过与其他智能优化算法及同类算法进行比较,验证了所提灰狼优化算法的有效性。     

并行机成组调度问题的启发式算法

研究了优化目标为总拖后/提前时间最小化的并行机成组调度问题,提出了一种三阶段启发式近似求解算法。首先把并行机问题看成单机问题,以最小化总拖后时间为优化目标排列工件的加工次序;然后将工件按第一阶段所求得的次序指派到最先空闲的并行的机器上;最后采用改进的GTW算法对各机器上的工件调度插入适当的空闲时间。计算表明该算法能够在很短的时间内给出大规模调度问题的近似最优解。     

基于神经网络的机器人运动模型辨识及其实验研究

针对机器人楚模中不确定因素的影响，采用神经网络辨识机器人输入输出间的非线性关系，建立机器人的运动学模型，为了提高神经网络的辨识速度，基于Elman动态递归网络，通过增加网络输入输出的部分信息，提出一种新的动态神经网络结构——状态廷迟输入动态递归神经网络(SDIDRNN)，提高了网络的学习速度和稳态精度。以PowerCube^TM模块化机器人为研究对象，把根据机器人返回的关节位置信息和利用OPTOTRAK3020三维运动测量系统测得的机器人末端位置信患作为SDIDRNN的学习样本，对包含各种影响因素的机器人运动模型进行辨识，得到了满意的结果，说明了该神经网络的优越性。     

启发式规则与GA结合的优化方法求解工作流动态调度优化问题

调度是工作流管理系统的核心问题，是保证工作流正确运行的关键。在工作流环境下，动态调度要比静态调度更切合实际。本文在总结前人工作的基础上，提出了一系列工作流动态调度的启发式规则，并以最小化任务总拖期时间和最大化任务总提前时间为目标，建立了工作流动态调度问题模型。采用启发式规则与遗传算法相结合的优化方法求解工作流动态调度优化问题。仿真结果说明了优化方法的可行性和有效性，同时比较了该方法与多种静态调度方法，进而说明了该方法的优越性。     

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.       

基于Hopfield神经网络的作业车间生产调度方法

该文提出了基于Hopfield神经网络的作业车间生产调度的新方法.文中给出了作业车 间生产调度问题(JSP)的约束条件及其换位矩阵表示,提出了新的包括所有约束条件的计算能 量函数表达式,得到相应的作业车间调度问题的Hopfield神经网络结构与权值解析表达式,并 提出相应的Hopfield神经网络作业车间调度方法.为了避免Hopfield神经网络容易收敛到局部 极小,从而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield 神经网络收敛到计算能量函数的最小值0,从而保证神经网络输出是一个可行调度方案.该文 改进了已有文献中提出的作业调度问题的Hopfield神经网络方法,与已有算法相比,能够保证 神经网络稳态输出为可行的作业车间调度方案.     

Hopfield神经网络在机组组合问题中的应用

提出利用多层Hopfield神经网络求解机组组合优化问题。通过构造合适的能量函数使得单层Hopfield神经网络可以解决某一时刻的机组出力问题,与之相对应的多层神经网络可以解决任意时间段的机组出力问题。多层Hopfield神经网络的层数由所需求解问题的时间段确定。给出单层及多层神经网络的能量函数及求解算法,能量函数考虑到机组升降功率和出力上下限的约束。通过对已有文献的算例进行计算比对,所得结果和遗传算法基本一致,但Hopfield神经网络通过解微分方程组来确定最优解,计算时间相对较少。     

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。     

一种非线性优化的神经网络

本文提出了用人工神经网络求解具有约束条件的非线性优化问题的具体方法，分析了神经网络能量函数的构成形式，并在常规的Ｈｏｐｆｉｅｌｄ网络模型的基础上构造了一个非全局连接的神经网络动力学模型。这种修改的Ｈｏｐｆｉｅｌｄ网络克服了常规的Ｈｏｐｆｉｅｌｄ网络在求解非线性优化问题时权值不好映射的困难，具有结构清晰，易于软件模拟和硬件实现的优点。     

基于局部进化的Hopfield神经网络的优化计算方法

提出一种基于局部进化的Hopfield神经网络优化计算方法，该方法将遗传算法和Hopfield神经网络结合在一起，克服了Hopfield神经网络易收敛到局部最优值的缺点，以及遗传算法收敛速度慢的缺点。该方法首先由Hopfield神经网络进行状态方程的迭代计算降低网络能量，收敛后的Hopfield神经网络在局部范围内进行遗传算法寻优，以跳出可能的局部最优值陷阱，再由Hopfield神经网络进一步迭代优化。这种局部进化的Hopfield神经网络优化计算方法尤其适合于大规模的优化问题，对图像分割问题和规模较大的200城市旅行商问题的优化计算结果表明，其全局收敛率和收敛速度明显提高。     

基于Hopfield网络的多变量动态矩阵控制及其在精馏塔系统中的应用

利用Hopfield网络的优化计算功能求解有约束多变量动态知阵控制问题,算法简单,收敛性好,即或以用硬件实时实现,也可用数值积分求解,对Wood-Berry精馏塔的仿真表明了算法的有效性。     

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。