兵工自动化
兵工自動化
병공자동화
ORDNANCE INDUSTRY AUTOMATION
2011年
10期
23-26,38
,共5页
流水线%调度%构造优化神经网络
流水線%調度%構造優化神經網絡
류수선%조도%구조우화신경망락
针对启发式算法求解调度问题时算法执行时间短,但计算结果较差的问题,提出一种基于目标增量的构造优化神经网络算法.通过引入一个加工时间为0的虚拟工作,利用相邻工件加工结束时间差矩阵,将求解无等待流水线加工调度问题的最小最大完工时间问题映射为TSP问题,建立构造优化神经网络模型,将流水线调度问题映射到神经网络上.实验结果证明:该算法在时间性能和结果的最优性方面较启发式算法SA2、RAJ、GR和目标增量法有较大提高,对于大规模问题该算法优势明显.
針對啟髮式算法求解調度問題時算法執行時間短,但計算結果較差的問題,提齣一種基于目標增量的構造優化神經網絡算法.通過引入一箇加工時間為0的虛擬工作,利用相鄰工件加工結束時間差矩陣,將求解無等待流水線加工調度問題的最小最大完工時間問題映射為TSP問題,建立構造優化神經網絡模型,將流水線調度問題映射到神經網絡上.實驗結果證明:該算法在時間性能和結果的最優性方麵較啟髮式算法SA2、RAJ、GR和目標增量法有較大提高,對于大規模問題該算法優勢明顯.
침대계발식산법구해조도문제시산법집행시간단,단계산결과교차적문제,제출일충기우목표증량적구조우화신경망락산법.통과인입일개가공시간위0적허의공작,이용상린공건가공결속시간차구진,장구해무등대류수선가공조도문제적최소최대완공시간문제영사위TSP문제,건립구조우화신경망락모형,장류수선조도문제영사도신경망락상.실험결과증명:해산법재시간성능화결과적최우성방면교계발식산법SA2、RAJ、GR화목표증량법유교대제고,대우대규모문제해산법우세명현.
