Un modèle de réseau neuronal Hopfield adaptatif (AHNN) est présenté, qui utilise une méthode d'ajustement adaptatif de la pente et une méthode d'ajustement adaptatif du décalage sur la base du réseau neuronal Hopfield traditionnel. En combinant les avantages du réseau Hopfield traditionnel, le paramètre constant dans la fonction Sigmoid est remplacé par un paramètre variable, ajustant automatiquement la direction du mouvement du paramètre variable, réduisant les oscillations de la fonction d'énergie et le nombre d'itérations, ce qui résout efficacement les problèmes d'optimisation dans des contraintes non convexes, non linéaires et de grande dimension. Cette méthode a été appliquée à la distribution économique de la charge du système électrique (ELD), et plusieurs simulations ont montré que AHNN est efficace et pratique.

système électrique; ELD; réseau neuronal Hopfield; fonction d'énergie; recuit simulé; contraintes