该文通过为资源均衡选择一种合适的Hopfield神经网络表示方法,使得神经元的输出和问题的解彼此对应起来;然后在一定条件下构造网络的能量函数,使其能量最小值对应于资源最均衡的状态;并且基于"权值状态发生器"的镶嵌式混合结构(DHNN-SA),通过模拟程序.快速生成具有较高质量的近似解.该文的主要工作包括:(1)研究进展综述及问题提出.综合论述了资源均衡方法并指出现有各种方法存在的局限,指出论文的主要目的;综合论述了Hopfield在优化中的应用及研究进展,分析了利用神经网络对资源均衡的可行性;指出了论文的意义.(2)前期研究,包括资源均衡问题的数学建模和Hopfield模型实现方法研究.主要包括分析网络计划的时间,提出以工序逻辑关系和总时差为基础的用于与Hopfield的能量函数对应的单一资源"工期固定资源均衡"数学模型;探讨能量函数的设计方法及网络结构对稳定性能的影响,提出旨在在提高收敛性能的各种建议,为资源均衡模型的实现提供具重要参考价值的结论.(3)资源均衡的Hopfield实现.资源均衡模型设计分成三个阶段,初步设计采用连续型Hopfield构造满足基本约束条件的初步模型,接着采用离散型Hopfield对其做改进,最后引入基于"权值状态发生器"的离散Hopfield神经网络和模拟退火的混合型(DHNN-SA)完成资源均衡的神经网络设计,并修正数学模型.(4)资源均衡模型优化性能评价及进一步优化探讨.通过两个实例,将该文提出的DHNN-SA模型优化结果与Microsoft Proiect和P3的优化结果相比较,显示了DHNN-SA模型的优越和先进性.模型优化的进一步探讨包括SA对Hopfield的优化能力;网络更新方式对混合模型的影响以及键路径约束对网络性能的影响.(5)资源均衡系统Resource Optimizing System(ROS)的设计和基于MATLAB的实现.并对系统改进方案作进一步探讨,包括提高运行速度和优化程序结构的模块设计改进;面向对象和模式设计的系统改进;系统与外部接口等.(6)最后总结全文的工作,并指出论文的创新之处.该文采用新的设计方法构建基于Hopfield神经网络的资源均衡模型,为资源均衡提供一种新的、有效的方法并拓宽了Hopfidd模型应用领域,具有一定的实际和创新意义.