论文部分内容阅读
本论文主要探讨人工神经网络Hopfield在最优化领域，特别是组合优化领域的应用。由于神经网络模型具有高度并行性，易于电路实现等特点，使得它越来越受到重视。虽然Hopfield网络在求解组合优化问题时得出惊人的结果，但同时还存在很多有待研究和改进的问题。特别是Hopfield网络在解决约束组合优化时，满足约束条件和得到高质量的解是需要平衡的一对矛盾，这使得网络容易收敛到能量函数的局部极小点，而非问题的全局最优解。另外，网络优化在很大程度上依赖于网络的参数，即参数鲁棒性较差。针对以上问题，本文提出了Hopfield网络的若干改进措施，而且将改进的Hopfield网络应用在一类指派问题，其中一个是将改进的Hopfield网络应用在非平衡B指派问题和文件分配问题上；另外一个是将其应用在Job-Shop车间调度问题上。