[发明专利]一种基于神经网络的算法解决作业车间调度问题

摘要

本发明提出了一种基于神经网络的算法解决作业车间调度问题，该发明涉及作业车间调度技术领域，该算法的主要步骤如下步骤1设置时间t,常量A,B，C的初始值，A,B,C>0,是常数；步骤2初始化系数矩阵W；步骤3构造阈值向量；步骤4构造状态函数；步骤5计算关系函数；步骤6构造能量函数；步骤7计算神经输入偏置电流（外加激励）；步骤8调整系数矩阵；步骤9确定运行方程；步骤10根据四阶龙格—库塔（runge_kutta）公式计算；步骤11判断是否达到平衡条件。

主权项

一种基于神经网络的算法解决作业车间调度问题，该算法涉及作业车间调度技术领域，其特征是：本算法使用平均阈值构造阈值向量，将能量函数与标准能量函数做比较，对权值系数作修正通过加入仿双极S型函数对神经元状态进行逼近更新，算法的具体实施步骤如下：步骤1：设置时间t,常量A,B，C的初始值，A,B,C>0,是常数；步骤2：初始化系数矩阵W：对于一个由n个神经元组成的离散Hopfield网络，则有n*n权系数矩阵W：步骤3：构造阈值向量：有n维阈值向量：其中，c是一个平均阈值，；一般而言，W和可以确定一个唯一的离散Hopfield网络；步骤4：构造状态函数：用表示第j个神经元，即节点j在时刻t的状态，则节点的下一个时刻（t+1）的状态可以求出如下：步骤5：计算关系函数：计算神经元之间的关系函数：其中；步骤6：构造能量函数：行约束条件：其中，表示第i个神经元的状态V=Y；A>0，为常数，为行约束，当且仅当每个矩阵航中均不含有多于一个“1”元素，其余元素均为“0”时，保证当矩阵v的每一行不多于一个“1”时，到达最小，此时；同理，构成列约束条件其中，B>0，为常数，保证当矩阵v的每一行不多于一个“1”时，到达最小；全局约束条件：其中，C>0,为常数，保证当矩阵V中的恰好为mn个1，即整个矩阵中一共有mn个1，达到最小步骤7:计算神经输入偏置电流（外加激励）；步骤8：调整系数矩阵：首先，求步骤4中的能量函数与标准能量函数之间的能量差：标准能量函数为：能量差：如果，返回步骤4，否则转步骤9，根据这个能量差对权值系数作调整，调整方式如下：步骤9：确定运行方程：计算，每个神经元输出与输入之间满足Sigmoid函数特性,设置初始值：其中，Sigmoid函数使在0到1之间取值，为了避免工件被部分的调用（部分使用资源），开始给一个较大的值，从而能用一个较低的增益来迭代网络，经过一定次数的迭代后，的值显著减小，将增益提高到一个较大的值，对于较大的增益，Sigmoid函数和硬限幅函数相似，神经元的输出值接近于1，这样可以避免干扰部分调度的问题，同时也可以避免采用限幅函数而引起的网络不稳定；式中的为时间常数，为了简便，设；为了满足约束条件，可以对某些神经元进行强抑制，使得这些神经元不被触发，根据JSP的每个工序不允许自依赖，所以矩阵中（i,i+1）（i=0,1,…,mn）位置的神经元应为电流；对于有优先次序关系的和不允许在0时刻启动的工序，在其矩阵的响应位置设置0电流，使这些神经元在稳态输出时为0，计算能量式为最小；步骤10：根据四阶龙格—库塔（runge_kutta）公式计算：其中，为仿双极S型函数：步骤12：判断是否达到平衡条件：是，则结束此程序；否，则返回步骤4；（1）状态平衡条件：利用神经元动态计算方程，计算,若网络从某一时刻以后，状态不再发生变化，则称网络处于稳定状态，此时满足：（2）能量平衡条件：能量函数在网络运行中不断降低，最后达到稳定。