本發(fā)明涉及作業(yè)車間調(diào)度技術(shù)領(lǐng)域。

背景技術(shù)：

作業(yè)車間調(diào)度問題(Job-Shop Scheduling Problem，JSP)是制造執(zhí)行系統(tǒng)研究的核心和重點(diǎn)之一，它的研究不僅具有重大的現(xiàn)實(shí)意義，而且具有深遠(yuǎn)的理論意義。JSP就是根據(jù)產(chǎn)品制造需求合理分配資源，進(jìn)而達(dá)到合理利用產(chǎn)品制造資源、提高企業(yè)經(jīng)濟(jì)效益的目的。JSP是產(chǎn)品制造行業(yè)中共存的問題，它與計(jì)算機(jī)集成制造系統(tǒng)(Computer Integrated Manufacturing Systems，CIMS)的工廠管理、產(chǎn)品制造層次緊密相關(guān)，是CIMS領(lǐng)域中研究的重要課題。JSP是一個(gè)典型的NP-hard問題,它的研究必然會(huì)對(duì)NP問題的研究起到有意義的影響。

人工神經(jīng)網(wǎng)絡(luò)是模仿生物腦結(jié)構(gòu)和功能的一種信息處理系統(tǒng)，它是一種大規(guī)模的并行結(jié)構(gòu)，信息的分布式存儲(chǔ)和并行處理，具有良好的自適應(yīng)、自組織和容錯(cuò)性，具有較強(qiáng)的學(xué)習(xí)、記憶、聯(lián)想和識(shí)別功能等。它的主要思想是用人工神經(jīng)元相互連接組成一個(gè)計(jì)算機(jī)網(wǎng)絡(luò)，并行高效地求解問題。神經(jīng)網(wǎng)絡(luò)解決車間調(diào)度問題的主要思路是：通過一個(gè)Lyaplmov能量函數(shù)構(gòu)造網(wǎng)絡(luò)的極值，當(dāng)網(wǎng)絡(luò)迭代收斂時(shí)，能量函數(shù)達(dá)到極小，使與能量函數(shù)對(duì)應(yīng)的目標(biāo)函數(shù)得到優(yōu)化。

但神經(jīng)網(wǎng)絡(luò)的效率受訓(xùn)練影響很大，并且在問題規(guī)模較大時(shí)，存在計(jì)算速度慢與結(jié)構(gòu)參數(shù)難以確定的弱點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)技術(shù)存在的上述不足，本發(fā)明要解決的技術(shù)問題是提供一種新的基于神經(jīng)網(wǎng)絡(luò)算法解決作業(yè)車間調(diào)度問題。

本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的：在問題規(guī)模較大時(shí)，存在計(jì)算速度慢弱點(diǎn)。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：一種基于神經(jīng)網(wǎng)絡(luò)的算法解決作業(yè)車間調(diào)度問題，該算法的主要步驟如下：

步驟1：設(shè)置時(shí)間t,常量A,B，C的初始值，A,B,C>0,是常數(shù)；

步驟2：初始化系數(shù)矩陣W

步驟3：構(gòu)造閾值向量

步驟4：構(gòu)造狀態(tài)函數(shù)

步驟5：計(jì)算關(guān)系函數(shù)

步驟6：構(gòu)造能量函數(shù)

步驟7:計(jì)算神經(jīng)輸入偏置電流(外加激勵(lì))I_xi

步驟8：調(diào)整系數(shù)矩陣

步驟9：確定運(yùn)行方程

步驟10：根據(jù)四階龍格—庫塔(runge_kutta)公式計(jì)算v_xi(t+1)

步驟11：判斷是否達(dá)到平衡條件

本發(fā)明的有益效果是：

1、通過平均閾值構(gòu)造閾值向量，在一定程度上減少了算法的計(jì)算量。

2、通過將能量函數(shù)與標(biāo)準(zhǔn)能量函數(shù)做比較，對(duì)權(quán)值系數(shù)作修正，使算法的解更加精確，同時(shí)加快了算法的收斂性，減少了不必要的搜索時(shí)間。

3、通過加入仿雙極S型函數(shù)對(duì)神經(jīng)元狀態(tài)進(jìn)行逼近更新，算法更加精確。

附圖說明

圖1表示本發(fā)明的基本流程圖

圖2表示神經(jīng)網(wǎng)絡(luò)算法的分層示例圖

具體實(shí)施方式

以下結(jié)合附圖，對(duì)本發(fā)明進(jìn)行詳細(xì)說明。

神經(jīng)網(wǎng)絡(luò)算法，結(jié)合圖2，可看出其分為輸入層、隱含層、輸出層三層，在作業(yè)車間調(diào)度問題中，把工件的狀態(tài)抽象作為神經(jīng)網(wǎng)絡(luò)中的輸入單元。

根據(jù)以上原理，結(jié)合圖1，本算法的詳細(xì)實(shí)施步驟如下。

步驟1：設(shè)置時(shí)間t,常量A,B，C的初始值，A,B,C>0,是常數(shù)；

步驟2：初始化系數(shù)矩陣W：對(duì)于一個(gè)由n個(gè)神經(jīng)元組成的離散Hopfield網(wǎng)絡(luò)，則有n*n權(quán)系數(shù)矩陣W：

W＝{w_ij}，i，j＝1，2，...，n

步驟3：構(gòu)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(gè)平均閾值，

一般而言，W和θ可以確定一個(gè)唯一的離散Hopfield網(wǎng)絡(luò)net＝W×θ；

步驟4：構(gòu)造狀態(tài)函數(shù)：用Y_j(t)表示第j個(gè)神經(jīng)元，即節(jié)點(diǎn)j在時(shí)刻t的狀態(tài)，則節(jié)點(diǎn)的下一個(gè)時(shí)刻(t+1)的狀態(tài)可以求出如下：

步驟5：計(jì)算關(guān)系函數(shù)：計(jì)算神經(jīng)元之間的關(guān)系函數(shù)W_xi，yi：

W_xiyj＝-Aδ_xy(1-δ_ij)-B-Cδ_i1δ_j1

其中

步驟6：構(gòu)造能量函數(shù)：E＝E₁+E₂+E₃

行約束條件：

其中，V_xi表示第i個(gè)神經(jīng)元的狀態(tài)V＝Y(jié)；A>0，為常數(shù)，E₁為行約束，當(dāng)且僅當(dāng)每個(gè)矩陣航中均不含有多于一個(gè)“1”元素，其余元素均為“0”時(shí)，E₁保證當(dāng)矩陣v的每一行不多于一個(gè)“1”時(shí)，E₁到達(dá)最小，此時(shí)E_1min＝0；

同理，構(gòu)成列約束條件

其中，B>0，為常數(shù)，E₂保證當(dāng)矩陣v的每一行不多于一個(gè)“1”時(shí)，E₂到達(dá)最小E_2min＝0；

全局約束條件：

其中，C>0,為常數(shù)，E₃保證當(dāng)矩陣V中的恰好為mn個(gè)1，即整個(gè)矩陣中一共有mn個(gè)1，E₃達(dá)到最小E_3min＝0；

步驟7:計(jì)算神經(jīng)輸入偏置電流(外加激勵(lì))I_xi；

步驟8：調(diào)整系數(shù)矩陣：

首先，求步驟4中的能量函數(shù)與標(biāo)準(zhǔn)能量函數(shù)之間的能量差：

標(biāo)準(zhǔn)能量函數(shù)為：

能量差：

ΔE＝E-E_m

如果|ΔE|≤ε，返回步驟4，否則轉(zhuǎn)步驟9，根據(jù)這個(gè)能量差對(duì)權(quán)值系數(shù)W_xiyj作調(diào)整，調(diào)整方式如下：

W_xiyj＝-Aδ_xy(1-ΔE)-B-Cδ_i1δ_j1

步驟9：確定運(yùn)行方程：計(jì)算V_xi(t)，每個(gè)神經(jīng)元輸出與輸入之間滿足Sigmoid函數(shù)特性,設(shè)置u₀初始值：

其中，

Sigmoid函數(shù)使g(v_xi)在0到1之間取值，為了避免工件被部分的調(diào)用(部分使用資源)，開始給v₀一個(gè)較大的值，從而能用一個(gè)較低的增益來迭代網(wǎng)絡(luò)，經(jīng)過一定次數(shù)的迭代后，v₀的值顯著減小，將增益提高到一個(gè)較大的值，對(duì)于較大的增益，Sigmoid函數(shù)和硬限幅函數(shù)相似，神經(jīng)元的輸出值接近于1，這樣可以避免干擾部分調(diào)度的問題，同時(shí)也可以避免采用限幅函數(shù)而引起的網(wǎng)絡(luò)不穩(wěn)定；

式中的τ＝R_xi＝C_xi為時(shí)間常數(shù)，為了簡(jiǎn)便，設(shè)τ＝R_xi＝C_xi＝1；

為了滿足約束條件，可以對(duì)某些神經(jīng)元進(jìn)行強(qiáng)抑制，使得這些神經(jīng)元不被觸 發(fā)，根據(jù)JSP的每個(gè)工序不允許自依賴，所以矩陣中(i,i+1)(i＝0,1,…,mn)位置的神經(jīng)元應(yīng)為電流；對(duì)于有優(yōu)先次序關(guān)系的和不允許在0時(shí)刻啟動(dòng)的工序，在其矩陣的響應(yīng)位置設(shè)置0電流，使這些神經(jīng)元在穩(wěn)態(tài)輸出時(shí)為0，計(jì)算能量式為最?。?/p>

步驟10：根據(jù)四階龍格—庫塔(runge_kutta)公式計(jì)算v_xi(t+1)：

K₁＝f(x_i，v_xi(t))

K₄＝f(x_i+h，v_xi(t)+hK_3`)

其中，f(x_i，v_xi(t))為仿雙極S型函數(shù)：

步驟12：判斷是否達(dá)到平衡條件：是，則結(jié)束此程序；否，則返回步驟4；

(1)狀態(tài)平衡條件：利用神經(jīng)元?jiǎng)討B(tài)計(jì)算方程，計(jì)算Δv_xi(t),

若網(wǎng)絡(luò)從某一時(shí)刻以后，狀態(tài)不再發(fā)生變化，則稱網(wǎng)絡(luò)處于穩(wěn)定狀態(tài)，此時(shí)滿足

Δv_xi(t)∈(0，c)

v(t+Δt)＝v(t)，Δt＞0

(2)能量平衡條件：能量函數(shù)在網(wǎng)絡(luò)運(yùn)行中不斷降低，最后達(dá)到穩(wěn)定ΔE_i≤0

。