《表1 排样问题满足的约束条件》
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。
图表编号 | XD00169113100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 李方娟、赵玉佳、赵君嫦、孟祥丽、郭强、孟繁钦 |
绘制单位 | 牡丹江医学院红旗医院、牡丹江医学院药学院 |
更多格式 | 高清、无水印(增值服务) |