[发明专利]基于GASA-BP神经网络的订单完工时间预测方法

权利要求书

1.基于GASA-BP神经网络的订单完工时间预测方法，其特征在于，包括如下步骤：

步骤1，对BP神经网络进行初始化，并将初始化后网络的权值和阈值编码成染色体；

步骤2，获取训练样本，并对训练样本归一化，利用归一化后的训练样本对BP神经网络进行训练；

步骤3，根据BP神经网络的权值和阈值，网络训练的预测输出与期望输出的误差平方和的倒数计算每个染色体的适应度值；

步骤4，使用遗传算法对染色体进行选择、交叉、变异操作；

步骤5，使用模拟退火算法中的Metropolis接受准则对遗传算法的新种群个体进行选择，保留最优适应度；

步骤6，判断遗传算法的终止条件，若算法达到最大迭代次数，则转至步骤7，否则转至步骤3；

步骤7，解码遗传算法得到的最优染色体，获取最优权值和阈值并利用误差梯度下降法更新BP神经网络的权值和阈值直至满足网络误差精度要求，从而完成网络的训练；

步骤8，获取测试样本，利用训练好的BP神经网络对测试样本进行预测，得到订单完工预测时间。

2.根据权利要求1所述基于GASA-BP神经网络的订单完工时间预测方法，其特征在于，步骤1所述染色体包括输入层到隐含层的权值、输入层到隐含层的阈值、隐含层到输出层的权值和隐含层到输出层的阈值，染色体的编码长度为：S＝m*h+h*n+h+n，其中，m、h、n分别为BP神经网络输入层节点数、隐含层节点数、输出层节点数。

3.根据权利要求1所述基于GASA-BP神经网络的订单完工时间预测方法，其特征在于，步骤2所述训练样本包括输入数据和输出数据，其中，输入数据包括产品种类、产品数量、产品加工工时、机器故障率、机器负荷率、物料短缺率、车间生产能力、入缓存区队列、出缓存区队列、产品合格率以及已加工时长，输出数据包括订单完工时间；

对训练样本归一化，即对输入数据归一化，具体为：

其中，X_i、x_i分别为输入数据归一化前、后的值，X_max、X_min分别为输入数据中的最大、最小值。

4.根据权利要求1所述基于GASA-BP神经网络的订单完工时间预测方法，其特征在于，步骤3所述每个染色体的适应度值，计算方法为：

F_d＝1/E_d

其中，F_d为第d个染色体的适应度值，E_d为BP神经网络的预测输出与期望输出的误差平方和，E_d的计算公式如下：

其中，D为训练样本数，n为BP神经网络输出层节点数，y_k为网络的预测输出值，为期望输出值即实际订单完工时间；y_k的计算公式如下：

其中，H_j为隐含层输出，W_jk为隐含层到输出层的权值，b_k为输出层第k个节点的阈值，h为BP神经网络隐含层节点数，g(x)为激励函数，H_j的计算公式如下：

其中，W_ij为输入层到隐含层的权值，x_i为输入数据归一化后的值，a_j为隐含层第j个节点的阈值，m为BP神经网络输入层节点数，g(x)为激励函数，