پیش زمینه تحقیق
شبکه خنثی اثبات چند لایه ای
شبکه های خنثی مصنوعی تکنیک های محاسبه ای جایگزینی هستند که می توان برای حل مشکلات برنامه زمانبندی شده تولید به کار برد. شبکه MLP یکی از متعارضترین طرح های شبکه خنثی است که با یک دامنه وسیعی از کاربردها مثل پیش بینی، الگوسازی فرایند، شناخت الگو و طبقه بندی آن هماهنگی دارد. یک شبکه خنثی MLP می تواند داده های تولید شده از یک مشکل واقعی یا از یک الگوی پیچیده از فرآیند را بررسی نماید. MLP اغلب، بازده ها و برون داده هایی از دقت کافی در یک دامنه محدود از شرایط ورودی را با این فریت که محاسبه کمتری نسبت به روش های الگوسازی دیگر مورد نیاز است فراهم می آورد.
MLP با داده های تجربی بیان شده و نقشه کشی بصورت زیر اجرا می شود.
وقتی یک خلاقیت نمونه در یک شبکه به کار برده می شود، سیستم توزین های سنیاپتیک را بر طبق نقشه کشی فوق تغییر می دهد. بعد از آموزش یک شبکه MLP مثل یک سیستم تخصصی عمل می کند. در کاربردهای واقعی برون داد وقتی شبکه دارا نزدیکترین تقریب نتیجه خلق شده توسط یک مجموعه از داده های نمونه می باشد.
B. الگوسازی و تجزیه و تحلیل JSSP
نمادها برای الگوسازی مشکلات برنامه زمانبندی شده به شرح زیر می باشند:
n- تعداد پروژه ها
ni- تعداد عملکردهای پروژه
m- عدد نمونه منابع گوناگون
rs-تعداد منابع نوع
Ri مجموعه جفت های عملکردها متعلق به I که در آن عملکرد k از عملرد L فراتر می رود.
Qi مجموعه جفت های عملکردهای متعلق به پروژه I برای هر عملکرد k و عملکرد l
Nq مجموعه عملکردهایی که منابع را نیاز دارند.
H عدد مثبت که به اندازه کافی بزرگ است
til زمان پردازش عملکرد L از پروژه
xik : زمان شروع عملکر k از پروژه
: زمان شروع اولین عملکرد (یا آزاد) پروژه i
: زمان تکمیل آخرین عملکرد پروژه i
di: زمان دسترسی به پروژه i
d: زمان حمل و نقل پروژه i
[I,k] kامین عملکرد پروژه I که عملکرد k نیز نامیده می شود و این در صورتی است که هیچ سردرگمی ایجاد نشده باشد.
اگر عملکرد k از عملکرد l فراتر رود
در غیر اینصورت صفر است
که در آن
نکته: ، عملکرد آزاد به معنی عملکرد بدون محدودیت از طراحی فنی می باشد.
2-مشکل برنامه ریزی شده پروژه کاری توسعه یافته
Eyssp یک مشکل برنامه ریزی شده استاتیک و تعیین کننده می باشد. m ماشین مجزا برای پردازش n پروژه وجود دارد که دارای مسیرهای پردازش خاص خودشان می باشند. هر عملکرد پروژه دارای روند خود بوده و یک دوره زمانی تعیین کننده در یک دستگاه خاص را در بر می گیرد. به طور همزمان، تنها یک عملکرد در یک دستگاه وجود دارد و پروژه این دستگاه را تا زمانی که عملکرد تکمیل شود رها نمی کند. می توان به راحتی ماهده کرد که Eyssp تا حد قابل توجهی کلی تر از استاندارد JSSP می باشد.
اهداف درنظرگرفته شده عبارتند از:
1) به حداقل رساندن زمان نهایی آخرین پروژه تکمیل شده یا
2) برای به حداقل رساندن خسارت کلی برای پروژه های اولیه
مشکلات برنامه ریزی با دو هدف زیر در این مقاله مورد بررسی قرار گرفته اند پرچه دستاورد برنامه زمانبندی شده هیبردید به یک هدف خاص نحدود نشده است.
به حداقل رساندن زمان تکمیل آخرین پروژه تکمیل شده
برای به حداقل رساندن خسارت یا جریمه کلی برای پروژه های اولیه
که در آن و توزین های جریمه اولیه برای پروژه i می باشند. باید خاطرنشان شود که اگر معادله 2 بعنوان هدف برنامه زمانبندی شده در نظر گرفته شود، معادله محدود 7 را می توان حذف کرد یعنی باید بعنوان یک رقم نامحدود مثبت درنظر گرفته شود.
یک راه حل محتمل به این معنی استد که برنامه زمانبندی همه شرایط محدودیت را تامین می نماید. 3 نوع از محدودیت ها برای هر هملکرد به شرح زیر وجود دارد.
1-محدودیت مقدم. محدودیت مقدم به این معنی است که برخی پروژه ها باید در دستگاه های دمتفاوت در توالی مقدم تعریف شده توسط طراحی فنی پیشرفت پیدا کنند. در واقع عملکرد yام از پروژه I باید قبل از عملکرد kام همان پروژه باشد، اگر باشد یعنی
2-محدودیت منبع – محدودیت یا الزام منبع بدان معناست که هر منبع تنها می تواند خدمات را برای یک عملکرد در یک زمان تولید کند. برای مثال منبع q تنها میئ تواند یک پروژه را برای خدمات رسانی در میان پروژه های منتظر برای پردازش در ردیف در هر زمان فراهم آورد.
3-محدودیت پروژه (پنهان). گرچه ممکن ات هیچ محدودیت مقدمی در میان برخی عملکردهای یک پروژه وجود نداشته باشد، محدودیت خاص که عملکردهای L و K را نمی توان در همان زمان پیشرفت داد هنوز وجود دارد چون این دو عملکرد در همان پروژه انجام شده اند.
(f)
این نشان میدهد که ، یک عملکرد از پروژه i، باید معادله 1 و ، یعنی عملکرد دیگر پروژه i، باید معادله 4 را تامین نماید.
4-نحدودیت زمان شروع و تکمیل. عملاً از زمان شروع و زمان تکمیل یک پروژه با زمان موجود پروژه و تاریخ انتقال محدود می شوند. از نظر ریاضی این روند را می توان با معادله 5 نشان داد.
III. توسعه یک سیستم برنامه زمانبندی شده فعالیت تولید با استفاده از MLP
پارامترهای مرتبط
پارامترهای مرتبط استفاده شده در الگوریتم PAS به شرح زیر می باشند.
سرعت یادگیری
پارامتر لحظه ای
پارامتر نوسان
ماتریس مقادیر توزین
مقدار توزین بین نورونها بعد از تغییر tام
تغییر وزن
طول حافظه
بازده هدف ایده ال لایه مورد هدف
بازده هدف ایده ال واحد i
بازده هدف واقعی
بازده هدف واقعی i
بازده واقعی لایه پنهان
بازده واقعی واحد i در لایه پنهان
n تعداد نورونها در لایه درون داد
h تعداد نورونها در لایه پنهان
m تعداد نورونها در لایه برون داد
s مونتاژ نمونه آموزشی
ثابت واقعی
افزایش تابع واقعی که مستقل از طراحی بوده و به آن دست می یابد.
2-استراتژی برای تنظیم کردن وزن ها
وقتی
-11
که در آن مقدار تصادفی بین صفر و 1 است
3-نتایج تغییردهی
(a اگر نتیجه آموزش، الزامات الگوسازی PAS را تامین نماید، شبکه خنثی جاری را می توان بعنوان الگوی برنامه زمانبندی شده فعالیت تولید پنهانی پذیرفت
b) اگر نتیجه آموزش با الزامات هماهنگ نباشد و از محدوده زمانی آموزش حداکثر از پیش تعیین شده گذشته باشد، داریم:
1-اگر در میان حداقل ترتیب M، یک حداقل با یک خطای برابر یا کمتر از حد کمتر خطای از پیش تعیین شدهد وجود داشته باشد، شبکه خنثی جاری را می توان بعنوان الگوی PAS مورد استفاده قرار داد.
2-در غیر اینصورت این فرایند آموزش باید بصورت یک آموزش مردود شده درنظر گرفته شود.
IV. تجریه و تحلیل تجربی
سیستم PAS پیشنهاد شده در یک محیط تولید واقعی اجرا شده است. این نتایج کامل هستند. در اینجا ما مثالی را برای آشکار کردن اجرای واقعی سیستم PAS ارائه می دهیم که در این تحقیق توسعه یافته است.
مثال شبیه سازی بصورت مشکل برنامه زمانبندی شده فعالیت تولید حداکثر 6/6/J/C می باشد که در آن از MLP استفاده شده است. تعداد پروژه ها شش عدد می باشد ؛ تعداد دستگاهها نیز شش علامت (6و5و4و3و2و1) زمان پردازش به روز است. کل تعداد نمونه ها 300 عدد است که در آن شبکه خنثی آموزش داده شده و تعداد واحدهای برون داد شش عدد است. ساختار شبکه در شکل 1 آمده است.
جدول 1 ترتیب پردازش و زمان پردازش اطلاعات هر پروژه را ارائه می دهد.
بر طبق ترتیب پردازش و زمان پردازش هر پروژه در جدول 1، نمونه را یم توان بصورت زیر تفسیر کرد:
که در آن و است.
شکل 1 شبکه خنثی MLP سه لایه ای
B. ساختار سیستم
MLP دارای یک لایه درون دار، یک لایه پنهان و یک لایه برون داد برای اجرای طراحی می باشد. ساختار سیستم در شکل 1 آمده است.
در این ساختار، واحدهای درون داد، هر مولفه از بردار ورودی x را به واحدهای محاسبه در لایه پنهان انتقال می دهد. واحدهای ترتیبی در لایه پنهان رابطه درون داد / برون داد زیر را اجرا می کنند.
-6
که در آن توزین سینپتیک بین واحد پنهان k و واحد درون داد j بوده و مقدار ترتیبی k است.
برون داد m با تابع درون داد / برون داد زیر ارائه می شوند.
-7
کلاً
(1) الگوریتم یادگیری
تابع خطا به صورت زیر است
-8
برای مایه برون داد:
-9
که در آن r تعداد توالی نمونه در مونتاژ نمونه، برون داد مولفه i از مقدار ایده آل نمونه، برون داد مولفه i از تعداد واقعی نمونه r و برون داد مولفه h از مقدار لایه پنهان واقعی نمونه، می باشد. برای مایه پنهان
نشان میئدهد که ترتیب پردازش پروژه 1 از دستگاه 1-2، 3، 4، 5 و 6 می باشد. همین روند برای نیز به کار می رود. تعداد زیادی از نمونه های x برای آموزش MLP جمع اوری می شوند. وقتی آموزش انجام می گیرد. MLP برای یک مشکل زمانبندی شده جدید همان نوع بکار یم رود. برای این مشکل 6/6/J/Cmax راه حل به صورت زیر یم باشد.
که در آن اصطلاح 152364=y به این معنی است که 1 در ابتدا توسط پروژه 1 به کار می رود و سپس توسط پروژه های 4 و 6 و 3 و 2 و 5 مورد استفاده قرار میگیرد. (جدول 2 را نگاه کنید)
جدول 1-ترتیب پردازش و اطلاعات زمان پردازش هر شغل
ترتیب پردازش و زمان پردازش پروژه
جدول 2-داده ها برای برنامه زمانبندی شده Gantt
تاریخ دستگاه
ساختار سیستم
در این مورد MLP دارای ساختار زیر می باشد
طول حافظه حداکثر زمان آموزش
شبکه تعداد نمونه ها
آموزش مدولهای ضربه
آموزش مدولهای یادگیری
خطای حداقل
B. منحنی همگرای آموزش
منحنی همگرای آموزش کل فرایند آموزش در شکل 2 آمده است. بر طبق منحنی خطای آموزش می توان دید که نوسان در آغاز فرایند آموزش آغاز می شود. این نوسان، فرآیند راه حل مطرح شده در موضوع حداقل محلی را نشان میدهد. دادهد های برون داد سیستم در فلرایند برنامه زمانبندی شده تولید واقعی قابل قبول می باشد.
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 27 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید
دانلودمقاله شبکه خنثی اثبات چند لایه ای(در برنامه ریزی تولید)
