论文部分内容阅读
用反馈神经网络优化方法求解组合优化问题是一条崭新的、具有很大潜力的途径。本文对反馈神经网络优化方法及其在作业车间调度(JSP)和ATM网络中以提高网络生存性为目标的VP路由选择中的应用进行了深入研究，研究工作主要包括以下几个方面： 1) 针对JSP的特点，在全面考虑其约束条件的基础上，给出包括行约束、全局约束、非对称约束和列约束的能量函数，提出了改进的JSP Hopfield神经网络(HNN)方法，保证了神经网络的稳态输出为满足资源约束和顺序约束的可行调度方案。 2) 为了避免HNN收敛到局部极小，提出了基于随机神经网络的JSP方法。该方法在HNN方法的基础上，引入模拟退火算法，并在搜索过程中考虑了JSP最大完工时间的变化。其中最大完工时间由甘特图求解算法求得，从而避免了直接由成本树绘制甘特图易发生重叠的现象，保证了调度方案为半活动调度。仿真结果表明该方法能使神经网络的稳态输出为JSP的全局最优解，但收敛速度慢。 3) 为了提高随机神经网络的收敛速度，本文用混沌优化搜索取代模拟退火算法，并给出JSP的离散暂态混沌神经网络(TDNN)改进方法。该方法利用自抑制反馈产生混沌，在混沌搜索中同样考虑了JSP的最大完工时间，通过改变阈值，在TDNN趋向于DHNN时，使系统向全局最优解的方向搜索，并在全局最优解或其附近稳定下来。仿真表明该方法不仅具有全局搜索能力，而且收敛速度较快。 4) 把JSP的反馈神经网络方法扩展到通信网络的路由规划中，提出了ATM网络中VP路由选择的TDNN方法，并与其它方法进行了仿真比较，结果表明该方法具有较快的计算速度、较强的收敛性和较低的计算复杂度。 5) 研究了反馈神经网络优化方法在神经计算机和数字计算机中的工程实现，尝试了JSP的HNN方法在神经计算机中的实现，通过实例求解验证了神经计算机的并行计算能力，及其求解JSP的有效性，从而为解决较大规模的组合优化问题提供了一条可行的途径；又开发了反馈神经网络优化软件包，并结合软件包求解了一个来自某机械厂的JSP，结果表浙江工业大学硕士学位论文明该软件能有效求得实际JsP的优化解。