Se presenta un modelo de red neuronal Hopfield adaptativo (AHNN) que utiliza un método de ajuste adaptativo de la pendiente y un método de ajuste adaptativo del desplazamiento basado en la red neuronal Hopfield tradicional. Al combinar las ventajas de la red Hopfield tradicional, el parámetro constante en la función Sigmoid se reemplaza por un parámetro variable, ajustando automáticamente la dirección del movimiento del parámetro variable, reduciendo las oscilaciones de la función de energía y el número de iteraciones, lo que resuelve eficazmente problemas de optimización en restricciones de alta dimensión, no convexas y no lineales. Este método se aplicó a la distribución económica de la carga del sistema eléctrico (ELD) y varias simulaciones demostraron que AHNN es efectivo y práctico.

sistema eléctrico; ELD; red neuronal Hopfield; función de energía; recocido simulado; restricciones