《表1 排样问题满足的约束条件》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《医用3D打印批次智能排样研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

连续型Hopfield（CHNN）神经网络是1982年由美国物理学家霍普菲尔德教授提出的一种单层反馈神经网络。CHNN神经网络求解组合优化问题，就是在给定约束条件下，求出使目标函数极小（或极大）的变量组合问题。将排样问题映射到CHNN人工神经网络：首先把排样问题映射到一组神经网络的特定组态上，此组态相应于排样问题的可能解，然后构造一个适合于优化问题的能量函数E，此E正比于优化问题的评价函数。所选的评价函数的好坏直接影响排样的效率和结果。为了保证排样结果的有效性，排样问题的求解需要满足如下条件：假定有P个3D打印零件，将其分成Q组（即Q个打印批次），则网络使用PXQ个神经元，将这些神经元按照P行Q列排列。当网络达到稳定状态时，上述神经网络的求解问题必须满足一定的约束条件。在满足约束的条件下，优化排样问题与约束之间的对应关系如表1所示。