Cellular neural networkbase algorithm for assignment problem

• Autorzy: Bilal J. , Kacprzak T.

Warianty tytułu

PL

Nowy algorytm przydziału oparty na wykorzystaniu sieci neuronowej komórkowej

• Języki publikacji: EN

Abstrakty

EN

This paper presents a Cellular Neural Network (CNN) to solve the assignment problem of which the objective is to minimize the total cost of the assignment task. The Lyapunov function is considered as the function to be optimized via coefficients tuning to improve the solution and meet the constrains. The new method poses an additional exploitation of the CNN in this area of applications, which involve the concept of combinatorial optimization and intelligent decision in real time computation. The proposed algorithm has been evaluated through computer simulation for different sized to estimate the extension of the efficiency and capability to tackle this problem. This algorithm is applicable to industrial fields and can be integrated in some sort of intelligent unit for computation.

PL

W automatycznie wysegmentowany na obrazie dna W artykule przedstawiono wykorzystanie sieci neuronowej komórkowej (CNN) do rozwiązania problemu kombinatorycznego przydziału zadań I ich wykonawców przy minimalizacji całkowitego kosztu realizacji tych zadań. Problem minimalizacji z ograniczeniami przedstawiono w postaci funkcji Lapunowa sieci CNN o odpowiednio dobranych współczynnikach szablonu. Metoda pokazuje korzyści z zastosowania sieci CNN, do których należą jednoznaczność rozwiązania i bardzo krótki czas, pozwalający na wykonanie dużych zadań przydziału na bieżąco (w tzw. czasie rzeczywistym). Skuteczność algorytmu została zweryfikowana poprzez symulacje komputerowe wykonane dla problemów o różnych wymiarach. Nowy algorytm w postaci inteligentnego układu scalonego może być wykorzystany do optymalizacji procesów produkcji oraz zarządzania na bieżąco dużymi systemami.

Słowa kluczowe

EN

cellular neural networks; assignment problem; Lyapunov function

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Archiwum Informatyki Teoretycznej i Stosowanej
• Rocznik: 2004
• Tom: T. 16, z. 4
• Strony: 295--309
• Opis fizyczny: Bibliogr. poz. 10, rys., wykr.

Twórcy

autor

Bilal J.

• Institute of Electronics, Technical University of Łódź, 90-924 Łódź, ul. Wólczańska 223, Poland

autor

Kacprzak T.

• Institute of Electronics, Technical University of Łódź, 90-924 Łódź, ul. Wólczańska 223, Poland

Bibliografia

• 1]S. H. Bang. B. J. Sheu, “Optimal solution for cellular neural networks by paralleled hardware annealing," IEEE Transactions on Neural Networks, vol.7, no.2, March 1996.
• [2]L. Chua. T. Roska. 'The CNN Paradigm'. IEEE Trans. Circuits and Systems 1, vol.40, pp. 147-156. Mar. 1993.
• [3]L. Chua, L. Yang, ‘Cellular Neural Networks Theory’. IEEE trans. Circuits and Systems. Vol.35. NO. 10, October 1988.
• [4]L. Chua. L. Yang, ‘Cellular Neural Networks Applications’. IEEE trans. Circuits and System, Vol.35, NO. 10, pp. 1273-1290, October 1988.
• [5]M. Forti, M. Marini, L. Pancani, ‘Cellular Neural Network approach to a class of communication problems’. IEEE trans. Circuit Syst., Vol. 46, No. 12, December 1999.
• [6] Y. Liang, ‘Combinatorial Optimization by Hopfield Networks Using Adjusting Neurons. Information Sciences 94, 261-276 (1996)
• [7] S. Matsuda, ‘Optimal Hopfield Network for Combinatorial Optimization with Linear Cost Function’. IEEE Transaction on Neural Networks, Vol.9, No.6, Nov 1998.
• [8] S. Matsuda, ‘An Optimal Hopfield Networks for Combinatorial Optimization and its Approximate Realization’. IE1CE Trane. Fundamental, Vol. E83-A. No.6, June 2000.
• [9] K. Smith, M. Krishnamorrthy, "A Hybrid Neural Approach to Combinatorial Optimization”, Computers Ops Res. Vol.23, No.6, pp. 597-610 1996
• [10] R-L.Wang, Z. Tang, Q-P. Cao, “A Near-Optimum Parallel Algorithm for Bipartite Subgraph Problem using the Hopfield Neural Network Learn¬ing,” IE1CE Trans.Fundamentals, vol. E85-A, no.2, February 2002.