赵　莉， 齐耀武

(1.长春大学 机械与车辆工程学院，长春 130022；2.中东长春轨道客车股份有限公司 转向架制造中心，长春 130062)



混沌优化神经网络求解job-shop调度问题研究

赵莉1， 齐耀武2

(1.长春大学 机械与车辆工程学院，长春 130022；2.中东长春轨道客车股份有限公司 转向架制造中心，长春 130062)

摘要：针对Job Shop调度问题，建立了离散非线性回馈神经网络优化模型，给出了一种包含暂态混沌过程的神经网络优化方法。通过在优化神经网络中引入一个暂态的混沌过程，使得网络的演化具备更为灵活的动力学特征。网络状态轨迹随着自反馈系数的衰减，表现为一个典型的倍周期逆分叉过程，逐渐趋向于确定性的非线性回馈神经网络，并为其提供了一个接近全局最优点的初值。其实质是利用混沌搜索过程的随机性和状态遍历性，加强神经网络的全局优化能力，避免陷入局部极小点。仿真结果说明本文所建模型和优化方法比传统的非线性神经网络优化方法具有更好的收敛性和更高优化能力。

关键词：Job Shop调度；神经网络优化；混沌优化

0引言

Job-shop(JSP)调度问题是按照一定的时间顺序要求分配资源完成加工任务的生产调度问题，是生产过程中经常遇见的问题。研究已证明它是NP困难问题[1，2]。显然对于此类问题的研究和解决，既具有理论意义，也具有实用价值。在当今研究中，解决此类调度问题的主要方法可分为四类：仿真技术法[3]、组合优化方法[4]、人工智能方法[5]和智能优化方法[6，8]。回馈神经网络优化是智能优化方法中应用较为广泛的方法之一，主要包括Hopfild线性回馈神经网络方法和非线性回馈神经网络方法[9]。……