基于约束满足神经网络的作业车间调度及应用

论文摘要

本文主要介绍了约束满足神经网络(CSNN)在作业车间调度问题(JSP)中的应用。本文对CSNN以及JSP问题的讨论分为三个阶段:第一阶段讨论了基本的CSNN网络在JSP问题中的应用;第二阶段以前一阶段为基础,将3个启发式算法加入到CSNN网络中,这3个启发式算法可以单独使用或混合使用;第三阶段给出了广义作业车间调度问题的概念,并讨论了基本的以及加入了启发式算法的CSNN网络在广义作业车间调度问题上的应用。其中,本文着重讨论了前两部分,并对这三部分作了实验性的应用,实验数据表明,CSNN是解决JSP问题的一种有效手段。CSNN具有面向优化调度问题约束条件直接建立网络模型,在网络运行过程中可以调节其神经元连接权值和偏置以消除问题中约束满足冲突的特性。总之,CSNN具有结构简单、建模方便的优点。

论文目录

• 第一章 绪论
• 1.1 问题的提出
• 1.1.1 生产调度问题的基本概念
• 1.1.2 生产调度问题的分类和表示方法
• 1.2 本文所做的主要工作
• 第二章 作业车间调度问题方法综述
• 2.1 作业车间调度问题描述
• 2.2 作业车间调度问题的分类
• 第三章 约束满足神经网络模型
• 3.1 经典作业车间调度问题的数学模型
• 3.1.1 问题的描述
• 3.1.2 问题的数学模型
• 3.1.3 建模实例
• 3.2 Hopfield 神经网络在生产调度问题上的应用
• 3.3 约束满足神经网络模型描述
• 3.3.1 神经元模型
• 3.3.2 权值连接和神经元偏置设定
• 3.3.3 CSNN 网络结构与建模
• 3.3.4 CSNN 网络空间复杂性分析
• 3.4 CSNN 求解算法
• 3.4.1 CSNN 运行机制
• 3.4.2 CSNN 算法描述
• 3.4.3 网络参数选择策略
• 3.4.4 CSNN 网络算法时间复杂性分析
• 第四章 CSNN 结合启发式算法求解JSP 算法
• 4.1 启发式算法的引入目的和意义
• 4.2 启发式算法描述
• 4.2.1 相邻工序互换排序算法——启发式算法1
• 4.2.2 确定排序下的最优算法——启发式算法2
• 4.2.3 最后工序开工时间前提优化算法——启发式算法3
• 4.3 CSNN 结合启发式算法的混合算法
• 4.3.1 混合算法结构
• 4.3.2 混合算法描述
• 第五章 CSNN 求解广义作业车间调度问题
• 5.1 广义作业车间调度问题描述
• 5.2 广义作业车间调度问题的数学模型
• 5.3 求解广义作业车间调度问题的CSNN 模型
• 5.4 求解广义作业车间调度问题的CSNN 混合算法
• 第六章 CSNN 的实际应用及仿真实验
• 6.1 应用背景
• 6.2 仿真环境
• 6.3 CSNN 仿真实例
• 6.3.1 CSNN 算法性能仿真结果
• 6.3.2 结果分析
• 6.4 混合算法仿真实例
• 6.4.1 仿真实例
• 6.4.2 结果分析
• 6.5 对异常情况的讨论
• 第七章 结束语
• 参考文献
• 摘要
• Abstract
• 致谢