项目来源

台湾省政府科研基金(GRB)

项目主持人

陈瑞茂

项目受资助机构

台湾省勤益技术学院电子工程系

项目编号

NSC93-2213-E167-012

立项年度

2004

立项时间

未公开

研究期限

未知 / 未知

项目级别

省级

受资助金额

309.00千元台币

学科

资讯科学——软体

学科代码

未公开

基金类别

应用研究/学术补助

关键词

即时系统 ; 排程 ; 霍普神经网路 ; 补偿神经元 ;

参与者

王圳木

参与机构

未公开

项目标书摘要：排程观念的应用范围极为广泛，如作业系统之多处理器及多工排程、VOD 的硬碟存取排程、交换器中封包之分派、通讯、影像切割等等。有很多针对排程技术的研究，如使用人工智慧及线性规划方面。而近来广为应用的是在於类神经网路、灰色理论与模糊逻辑方面。由於排程问题通常是属於NP-complete 的问题，因此各项创新的技术应运而生以提昇效率，并寄予厚望，其中类神经网路的应用技术则是最常被使用於求解最佳化的问题上的技术。传统的霍普类神经网路常被利用来解各种的排程应用，而竞争式类神经网路可以用於简化架构，减少系数之复杂性。然而，竞争式类神经网则无法处理non-fully-utilized 的问题。因此本研究计划，旨在结合作业研究中的slack variable 观念於类神经网中，即整合补偿神经元(Slack Neurons)於竞争式类神经网路中以建构一高效率之排程系统(其中虚拟神经元可用於代表排程问题中的虚拟工作),用於解决「完全利用」及「非完全利用」之多处理器(non-fully and fully utilized multiprocessor)、多工(preemptive multitasking)、时间限制(如执行时间及期限)之多工即时系统排程(hard real-time scheduling),并以makespan 为排程的目标。且进一步将引入资源限制於排程问题中，并将研究结果与利用(1)传统的霍普类神经网路与(2)竞争式类神经网路所得之结果进行分析必较。预期此研究结果可以进一步扩充於更复杂的应用以及其他的应用范畴，如具有多重限制条件(precedence,priority…)的排程及影像切割(segmentation)应用。将更进一步与fuzzy clustering 结合成为一种新的应用分类技术。

项目受资助省

台湾省