基于改进Hopfield神经网络的多目标模糊作业车间调度研究

摘要

随着经济全球一体化的发展，全球经济正想着技术创新型和资源集约型的方向发展，市场竞争日趋激烈，作为国家支柱产业的制造业正面临着前所未有的挑战，企业要想立于不败之地，只有对现有的生产管理进行更深入的改善和探讨，因此研究集资源，任务，时间和性能为一体的生产调度成为了改善生产管理活动的关键，车间调度作为生产调度的核心因素，成为典型和普遍的研究对象，也是提升整体制造业素质的基础。
　　 大量学者多年研究表明，作业车间调度问题是典型的NP-hard问题，其复杂性与问题求解规模呈几何倍数增长，具有不确定性、多目标性等特点。长期以来学者对各种情况下的车间调度问题进行了研究，但大都存在两个方面的问题：一是将生产系统中各个参数假设为确定性的精确值，建立的车间调度模型过于理想化，不具有实际的应用意义；二是，由于车间调度问题的复杂性，大多数的车间调度问题的研究主要集中在单目标方面，因此有待于对多目标车间调度进行更深入的研究。
　　 本文从复杂车间调度的实际环境出发，考虑到车间调度中的不确定性因素，以模糊数学为基础对模糊加工时间，模糊间隔期，模糊交货期进行量化，结合模糊集合论知识和成本相关知识，探讨了评价多目标模糊作业车间调度决策的性能指标，提出以工件最小最大完成时间、客户满意度最大和生产成本最小为多目标的模糊作业车间调度模型，特别是对客户满意度和生产成本指标进行了详细探讨，并给出了具体实用的计算方法，接下来以改进的Hopfield神经网络为求解方法，提出将调度规则应用于初始换位矩阵的建立，优化初始输入，提高网络收敛速度；在考虑全部约束条件的基础上加入了能够反映求解目标的函数项，使得在能量函数达到极小时对应了目标函数的极小值，并考虑到Hopfield神经网络参数对搜索性能的影响，通过对Hopfield神经网络参数取值的探讨，来提高网络的收敛和计算能力，最后为了保证Hopfield神经网络跳出局部极小值，将具有全局搜索能力的模拟退火算法应用到Hopfield神经网络算法中，保证了多目标模糊作业车间调度问题求得最优解。
　　 最后，论文将上述理论研究成果进行实例验证，对车间调度问题的单目标、多目标进行了求解比较，验证了多目标调度模型的有效性；通过对实例进行多种算法的求解效果进行比较，验证了改进算法的可行性和有效性。