应用重启改进进化算法提高柔性作业解质量

重启策略有效提高了概率算法性能。为将重启思想引入协同进化算法,改进了涉及多种群的协同进化算法收敛判断条件。以进化过程中相同解码值的重复解码次数衡量协同种群的稳定状态,用于结束或重启搜索过程。引入重启后的协同进化算法用以求解柔性作业调度问题。实验表明,改进后的算法能有效跳出局部最优,提高解质量和搜索效率。从而为应用协同进化算法求解其他组合问题时提高算法性能提供了一条可行有效的新途径。     

时间延迟细胞神经网络及其稳定性充分条件

ＤＣＮＮ是一种具有神经元时间延迟τ的细胞神经网络模型，通过Ｌｙａｐｕｎｏｖ能量函数的构造和分析经出一个判定ＤＣＮＮ稳定性的主分条件，这一结果改进了Ｐ．Ｐ．Ｃｉｖａｌｌｅｒｉ等给出的τ上界；给出了以充分性判定ＤＣＮＮ稳定的最优τ上界。     

时间延迟细胞神经网络及其稳定性充分条件

ＤＣＮＮ是一种具有神经元时间延迟τ的细胞神经网络模型．通过Ｌｙａｐｕｎｏｖ能量函数的构造和分析给出一个判定ＤＣＮＮ稳定性的充分条件．这一结果改进了Ｐ．Ｐ．Ｃｉｖａｌｅｒｉ等给出的τ上界；给出了以充分性判定ＤＣＮＮ稳定的最优τ上界