| 【论文摘要】 |
本文主要研究了基于Hopfield神经网络模型的柔性制造系统(Flexible Manufacturing Systems, FMS)的动态调度方法,主要的工作包括:1)总结了实际中的生产调度与车间作业调度问题及其FMS动态调度问题之间的联系;2)介绍了Hopfield神经网络模型的构造方式、能量函数、优化计算及模拟退火算法的应用方法;3)提出了基于Hopfield神经网络的FMS动态调度方法。针对FMS动态调度问题的所有约束条件给出了Hopfield神经网络能量函数。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。数据仿真结果表明本文提出的基于Hopfield神经网络的FMS动态调度方法,不仅可以获得一组较优的可行调度方案,使得FMS动态调度过程具有较好的精度和自适应能力,还体现了FMS系统的内涵,实现了多目标、多变化条件下的FMS调度优化的需求,减少了神经元网络的搜索空间和计算量,加快了网络的收敛。 |