基于改進Hopfield神經(jīng)網(wǎng)絡(luò)的多目標(biāo)模糊作業(yè)車間調(diào)度研究.pdf

1、隨著經(jīng)濟全球一體化的發(fā)展，全球經(jīng)濟正想著技術(shù)創(chuàng)新型和資源集約型的方向發(fā)展，市場競爭日趨激烈，作為國家支柱產(chǎn)業(yè)的制造業(yè)正面臨著前所未有的挑戰(zhàn)，企業(yè)要想立于不敗之地，只有對現(xiàn)有的生產(chǎn)管理進行更深入的改善和探討，因此研究集資源，任務(wù)，時間和性能為一體的生產(chǎn)調(diào)度成為了改善生產(chǎn)管理活動的關(guān)鍵，車間調(diào)度作為生產(chǎn)調(diào)度的核心因素，成為典型和普遍的研究對象，也是提升整體制造業(yè)素質(zhì)的基礎(chǔ)。
　　 大量學(xué)者多年研究表明，作業(yè)車間調(diào)度問題是典型的NP-

2、hard問題，其復(fù)雜性與問題求解規(guī)模呈幾何倍數(shù)增長，具有不確定性、多目標(biāo)性等特點。長期以來學(xué)者對各種情況下的車間調(diào)度問題進行了研究，但大都存在兩個方面的問題：一是將生產(chǎn)系統(tǒng)中各個參數(shù)假設(shè)為確定性的精確值，建立的車間調(diào)度模型過于理想化，不具有實際的應(yīng)用意義；二是，由于車間調(diào)度問題的復(fù)雜性，大多數(shù)的車間調(diào)度問題的研究主要集中在單目標(biāo)方面，因此有待于對多目標(biāo)車間調(diào)度進行更深入的研究。
　　 本文從復(fù)雜車間調(diào)度的實際環(huán)境出發(fā)，考慮到車間

3、調(diào)度中的不確定性因素，以模糊數(shù)學(xué)為基礎(chǔ)對模糊加工時間，模糊間隔期，模糊交貨期進行量化，結(jié)合模糊集合論知識和成本相關(guān)知識，探討了評價多目標(biāo)模糊作業(yè)車間調(diào)度決策的性能指標(biāo)，提出以工件最小最大完成時間、客戶滿意度最大和生產(chǎn)成本最小為多目標(biāo)的模糊作業(yè)車間調(diào)度模型，特別是對客戶滿意度和生產(chǎn)成本指標(biāo)進行了詳細探討，并給出了具體實用的計算方法，接下來以改進的Hopfield神經(jīng)網(wǎng)絡(luò)為求解方法，提出將調(diào)度規(guī)則應(yīng)用于初始換位矩陣的建立，優(yōu)化初始輸入，提高

4、網(wǎng)絡(luò)收斂速度；在考慮全部約束條件的基礎(chǔ)上加入了能夠反映求解目標(biāo)的函數(shù)項，使得在能量函數(shù)達到極小時對應(yīng)了目標(biāo)函數(shù)的極小值，并考慮到Hopfield神經(jīng)網(wǎng)絡(luò)參數(shù)對搜索性能的影響，通過對Hopfield神經(jīng)網(wǎng)絡(luò)參數(shù)取值的探討，來提高網(wǎng)絡(luò)的收斂和計算能力，最后為了保證Hopfield神經(jīng)網(wǎng)絡(luò)跳出局部極小值，將具有全局搜索能力的模擬退火算法應(yīng)用到Hopfield神經(jīng)網(wǎng)絡(luò)算法中，保證了多目標(biāo)模糊作業(yè)車間調(diào)度問題求得最優(yōu)解。
　　 最后，論文