以模糊類神經網路分群技術求解多維度排程問題之研究

勤益科大機構典藏 > 電資學院 > 電子工程系(所) > 【電子工程系所】博碩士論文 > Item 987654321/4936

請使用永久網址來引用或連結此文件: http://ir.lib.ncut.edu.tw/handle/987654321/4936

題名:	以模糊類神經網路分群技術求解多維度排程問題之研究
作者:	林珂如陳瑞茂
貢獻者:	電子工程系
關鍵詞:	霍普菲爾類神經網路排程叢集模糊分群演算法
日期:	2010
上傳時間:	2013-08-02 15:03:12 (UTC+8)
出版者:	台中;國立勤益科技大學
摘要:	近年來，我們可見到排程的觀念被普遍廣泛應用於不同的領域上，如何得到一個適當的排程，對決策管理者而言顯得格外重要。且大多數的排程(scheduling)問題已被歸類為NP-complete問題，因此現今有許多研究方法被提出來探討各種不同的排程問題，像是模糊理論(fuzzy logic)、類神經網路(neural networks, NN)、基因演算法(genetic algorithm, GA)、螞蟻演算法(ant colony optimization, ACO)和粒子群演算法(particle swarm optimization, PSO)。或者是各種整合技術，如Fuzzy+GA、GA+Fuzzy和Fuzzy+NN等等，其中關於分類的fuzzy c-means 與Hopfield neural network的整合被公認為最有效率的分類方法，然後大部分的應用都侷限於二維的應用問題。在本篇論文中，我們將二維的模糊霍普菲爾類神經網路(fuzzy Hopfield neural network, FHNN)擴展至三維的網路，這種處理方法就是將排程問題視為分類問題並且利用叢集(clustering)技術來求解排程問題。亦即在某時間上的工作當作我們所要分類的資料樣本(data sample)以及機器類比於一群聚(cluster)。另外，本文應用了三種解模糊化的策略，分別為競爭式學習法則、輪盤法以及虛擬化比例式隨機規則，並且也針對各個實驗進行模擬與比較。此研究應用在一個多處理器之排程問題，且必須滿足工作不可遷徙和其時間條件(執行時間和時間限制)之下。模擬結果說明了整合模糊分群演算法和霍普菲爾類神經網路用於求解多維度排程問題的可行性及未來展望。
顯示於類別:	[電子工程系(所)] 【電子工程系所】博碩士論文

文件中的檔案:

沒有與此文件相關的檔案.

檢視Licence

在NCUTIR中所有的資料項目都受到原著作權保護.

資料載入中.....