Es wird ein adaptives Hopfield-Neuronennetz-Modell (AHNN) vorgestellt, das auf dem traditionellen Hopfield-Neuronennetz basiert und eine adaptive Anpassung der Steigung und eine adaptive Anpassung des Versatzes vorsieht. Durch die Vorteile des traditionellen Hopfield-Netzwerks und den Austausch des konstanten Parameters in der Sigmoid-Funktion durch einen variablen Parameter, der automatisch die Richtung der Bewegung des variablen Parameters anpasst, werden Schwingungen der Energiefunktion und die Anzahl der Iterationen reduziert, was eine effektive Lösung für Optimierungsprobleme in hohen, nicht-konvexen, nicht-linearen Beschränkungen ermöglicht. Diese Methode wurde auf die wirtschaftliche Lastverteilung im Stromversorgungssystem (ELD) angewendet, und mehrere Simulationen zeigten, dass AHNN effektiv und praktisch ist.

Stromversorgungssystem; ELD; Hopfield-Neuronennetz; Energie funktion; simuliertes Glühen; Einschränkungen