[發明專利]一種基于神經網絡的算法解決作業車間調度問題

在審

• 申請號: 201610364170.7
• 申請日: 2016-05-26
• 公開（公告）號: CN106610658A
• 公開（公告）日: 2017-05-03
• 發明（設計）人: 姜艾佳;胡成華
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

所屬領域

本發明涉及作業車間調度技術領域。

背景技術

作業車間調度問題(Job-Shop Scheduling Problem，JSP)是制造執行系統研究的核心和重點之一，它的研究不僅具有重大的現實意義，而且具有深遠的理論意義。JSP就是根據產品制造需求合理分配資源，進而達到合理利用產品制造資源、提高企業經濟效益的目的。JSP是產品制造行業中共存的問題，它與計算機集成制造系統(Computer Integrated Manufacturing Systems，CIMS)的工廠管理、產品制造層次緊密相關，是CIMS領域中研究的重要課題。JSP是一個典型的NP-hard問題,它的研究必然會對NP問題的研究起到有意義的影響。

人工神經網絡是模仿生物腦結構和功能的一種信息處理系統，它是一種大規模的并行結構，信息的分布式存儲和并行處理，具有良好的自適應、自組織和容錯性，具有較強的學習、記憶、聯想和識別功能等。它的主要思想是用人工神經元相互連接組成一個計算機網絡，并行高效地求解問題。神經網絡解決車間調度問題的主要思路是：通過一個Lyaplmov能量函數構造網絡的極值，當網絡迭代收斂時，能量函數達到極小，使與能量函數對應的目標函數得到優化。

但神經網絡的效率受訓練影響很大，并且在問題規模較大時，存在計算速度慢與結構參數難以確定的弱點。

發明內容

針對現技術存在的上述不足，本發明要解決的技術問題是提供一種新的基于神經網絡算法解決作業車間調度問題。

本發明的目的是克服現有技術中存在的：在問題規模較大時，存在計算速度慢弱點。

本發明為實現上述目的所采用的技術方案是：一種基于神經網絡的算法解決作業車間調度問題，該算法的主要步驟如下：

步驟1：設置時間t,常量A,B，C的初始值，A,B,C>0,是常數；

步驟2：初始化系數矩陣W

步驟3：構造閾值向量

步驟4：構造狀態函數

步驟5：計算關系函數

步驟6：構造能量函數

步驟7:計算神經輸入偏置電流(外加激勵)I_xi

步驟8：調整系數矩陣

步驟9：確定運行方程

步驟10：根據四階龍格—庫塔(runge_kutta)公式計算v_xi(t+1)

步驟11：判斷是否達到平衡條件

本發明的有益效果是：

1、通過平均閾值構造閾值向量，在一定程度上減少了算法的計算量。

2、通過將能量函數與標準能量函數做比較，對權值系數作修正，使算法的解更加精確，同時加快了算法的收斂性，減少了不必要的搜索時間。

3、通過加入仿雙極S型函數對神經元狀態進行逼近更新，算法更加精確。

附圖說明

圖1表示本發明的基本流程圖

圖2表示神經網絡算法的分層示例圖

具體實施方式

以下結合附圖，對本發明進行詳細說明。

神經網絡算法，結合圖2，可看出其分為輸入層、隱含層、輸出層三層，在作業車間調度問題中，把工件的狀態抽象作為神經網絡中的輸入單元。

根據以上原理，結合圖1，本算法的詳細實施步驟如下。

步驟1：設置時間t,常量A,B，C的初始值，A,B,C>0,是常數；

步驟2：初始化系數矩陣W：對于一個由n個神經元組成的離散Hopfield網絡，則有n*n權系數矩陣W：

W＝{w_ij}，i，j＝1，2，...，n

步驟3：構造閾值向量：有n維閾值向量θ：

θ＝[f(θ₁)，f(θ₂)，...，f(θ_n)]^T

其中，c是一個平均閾值，

一般而言，W和θ可以確定一個唯一的離散Hopfield網絡net＝W×θ；

步驟4：構造狀態函數：用Y_j(t)表示第j個神經元，即節點j在時刻t的狀態，則節點的下一個時刻(t+1)的狀態可以求出如下：

步驟5：計算關系函數：計算神經元之間的關系函數W_xi，yi：