協同產品創新設計中基于層次知識匹配的沖突消解研究

王小磊 楊 育 楊 潔，3 曾 強 程 博

1．重慶大學機械傳動國家重點實驗室，重慶，400030

2．華北電力大學，保定，071003 3．重慶通信學院，重慶，400035

0 引言

當今客戶需求持續向個性化和多樣化發展，大批量的生產方式越來越難以適應客戶個性化和多樣化的需求［1］。因此，有客戶參與的協同產品創新設計成為企業提高客戶滿意度、縮短產品開發周期、降低成本和提高企業自身競爭力的重要產品設計方法。然而，多主體參與的協同產品創新設計中，活動和任務的并行性與復雜性，設計主體與設計資源的多樣性，設計知識的多樣性及知識－信息多向流動、傳遞和變化性，使得創新過程變得更加復雜，導致各種設計沖突不斷出現。有效解決沖突是協同創新設計順利實施的關鍵。統計表明，75%的產品創新設計活動是在已有產品設計的基礎上進行的變動或擴充［2］。因此，基于規則推理（rule based reasoning，RBR）、基于實例推理（case based reasoning，CBR）的沖突消解技術等成為協同產品創新設計沖突消解的重要方法［3－4］。

目前，在利用已有實例和規則消解產品創新設計沖突方面，已取得了較多的研究成果［5－9］。目前的研究較多集中在知識推理、實例檢索與匹配方法上。雖然這些方法利用知識的推理和共享可為設計人員提供有效的建議和參考，但對檢索不到有效參考實例時如何進行沖突消解的研究還比較少。同時，設計產品和協同創新設計過程復雜程度的提高使得沖突呈現多樣性，因此，如何快速識別對產品設計效果具有重要影響的沖突，在沖突的不同層次分別檢索相似實例進行優化改進是協同產品創新設計中的一個關鍵問題。

針對上述問題，本文提出一種基于層級知識匹配的協同產品創新設計沖突消解方法，并通過某摩托車的協同設計實例對模型與方法的有效性進行了驗證。

1 協同產品創新設計沖突消解過程模型

1．1 客戶需求－功能分析與映射

在實際的產品創新設計過程中，越來越多的企業創新策略已經逐漸轉向“以客戶為中心”。因此，在進行創新設計的初期，需要獲取并明確客戶的需求。客戶需求不僅包括產品使用功能、外觀審美等功能型要求，還包括技術指標、性能參數和產品結構參數等技術型要求，以及價格、環境等其他方面要求。對于上述需求，可通過“功能－原理－結構”SBF映射模型和質量功能配置（QFD）、公理設計（AD）等方法［10－11］，把它們轉換為設計人員能夠理解的產品功能模塊，進一步映射為產品設計特征，逐步分解和落實到產品設計的各個階段，從而保證客戶需求的實現，圖1所示為客戶需求－產品功能映射圖。

圖1 客戶需求－產品功能映射圖

圖1 中的功能模塊層次結構中，最上層矩形表示期望得到產品創新設計的最終目標，第二層中，矩形表示功能分解后產品設計中與已有功能相同的部分，橢圓表示需要擴充或者改進的模塊，各個模塊可以根據產品設計的要求分解為更小的模塊。

1．2 協同產品創新設計中的沖突描述

在完成對產品功能模塊分解后，對需要進行擴充或改進的模塊進行優化設計以獲得整體最優的設計方案。在對設計方案整體優化的過程中，由于各設計主體希望達到的目標、專業知識背景和評價標準等方面存在差異，產品不同屬性之間存在著各種復雜的相互影響、相互依賴的關系，另外，還存在資源有限性的問題，因此，不可避免地會產生大量的沖突。

沖突是設計過程中相互對立、相互矛盾的關系。協同產品創新設計中的沖突主要分為資源沖突、過程沖突和設計沖突，本文主要研究設計沖突的消解。設計沖突主要包括設計結果和設計目標沖突。設計結果沖突表現為設計方案不能滿足產品功能約束、制造約束或裝配約束等約束關系。設計目標沖突則表現在設計方案無法同時滿足一定的功能目標（性能要求）、可制造性目標或可裝配性目標等的要求。

協同產品創新設計中沖突可被描述為六元組的形式：Cn F＝（Cn F－Obj ect，Cn F－Ty pe，Cn F－Rel ation，Cn F－Content，Cn F－Feature，Cn FStrength）。其中，Cn F－Obj ect表示沖突對象，如產品零部件名稱、形狀特征、結構參數等；Cn FType表示沖突所屬的類型；Cn F－Rel ation表示沖突間的關系，協同設計中的沖突主要存在因果、平行、耦合三種關系；Cn F－Content為沖突發生的背景；Cn F－Feature表示沖突性質，即沖突屬于硬沖突還是軟沖突；Cn F－Strength表示沖突強度，即沖突導致后果對產品設計的負面影響程度。

1．3 協同產品創新設計沖突消解的工作過程

協同產品創新設計過程本質上是多種設計主體利用各種經驗、知識、規則，并通過它們相互之間的協同工作來消除設計過程中出現的沖突，獲得最優產品設計方案的過程。為反映上述整個過程，我們建立了協同產品創新設計沖突消解過程模型，如圖2所示。

模型中，定義協同產品創新設計沖突消解過程如下：將客戶需求轉換為具體的設計目標，并將設計目標分解為具體的產品功能要求和工作任務，定義產品功能－任務－信息之間的約束關系矩陣，識別并選擇其中具有重要影響的沖突；設計主體根據協議庫中定義的工作機制和環境的狀態確定沖突消解的次序，判斷是否需要協同工作，選擇協同對象和技術資源，并對資源沖突等情況進行處理和協調；為解決設計工作過程中的創新型沖突，通過創成、吸納環境支持層提供的各種知識，實現知識的重組與創新，達到消除沖突的目的；當識別出的沖突狀態為空時，即意味著沖突得到了解決。

圖3 基于層次知識匹配的協同創新設計沖突消解流程圖

沖突消解子模型是過程模型的核心，它反映了設計主體利用知識消解沖突的過程。沖突消解子模型由匹配層、進化層兩層行為結構和相應的支撐知識組成。其工作機理如下：當設計過程中出現沖突時，沖突被識別并對其進行分類、重要性排序，從產品各種知識庫中選擇合適的案例進行匹配。若從知識庫中檢索到的知識和案例能夠與沖突問題完全匹配，意味沖突得到解決；當知識庫中的實例不能解決目標沖突時，則提交到進化層次進行處理，通過知識重組、創成和吸納，產生新的規則以解決沖突。進一步，主體根據應用結果修改規則的適應度，不斷擴充自己的知識庫，提高自身適應環境的能力。

由上述分析可知，協同產品創新設計是一種知識高度集中的系統。在設計沖突消解的過程中，沖突消解決策如產品的結構參數、性能參數選擇等決策均可依據相應的知識和規則等來確定，或者通過檢索歷史實例來提供參考。因此，依據沖突消解工作機理，我們建立了基于層次知識匹配的產品創新協同設計沖突消解流程，如圖3所示。

多主體參與的協同創新設計優化與沖突消解過程主要通過以下幾個階段（步驟）來完成：

（1）沖突識別及分類，分析沖突涉及的對象及沖突的特征屬性。

（2）應用粗糙集中知識約簡的理論與方法，對沖突進行約簡；應用粗糙集中屬性重要度的理論和方法，在以往產品設計數據的基礎上，計算沖突對產品整體設計效果的影響重要度權重，確定亟需解決的關鍵沖突及沖突消解順序。

（3）以沖突關鍵特征為索引，進行相似實例匹配。

（4）判斷匹配相似度最大的實例能否解決沖突，如果可以，轉步驟（6）；否則，轉步驟（5）。

（5）確定沖突－功能－零部件之間的映射關系，選擇相似度較大的實例作為初始優化方案，進行知識的重組、變異，產生新的創新設計方案；同時，補充產品實例知識庫，并轉步驟（6）。

（6）判斷是否仍有沖突，如果有，轉步驟（3）；否則，轉步驟（7）。

（7）輸出產品協同設計優化方案，完成沖突消解過程。

2 基于粗糙集的關鍵沖突識別

在協同產品創新設計中，沖突具有多樣性、關聯性和難以避免等特點，因此依據沖突的相關信息合理安排沖突的消解順序，是快速、有效消除設計沖突的重要前提。如果處理不合理，將阻礙產品協同設計的高效完成。粗糙集理論是一種新的處理模糊和不確定性知識的數學工具，在知識發現、不確定性推理和決策分析等領域都有著重要的應用［12］。它的主要思想是在保持分類能力不變的情況下，通過知識約簡，導出問題的決策或分類規則。它不需要借助任何外界信息，克服了傳統的處理不確定性信息的方法往往需要先驗知識或附加數據的缺陷［13］。與現有的層次分析法、模糊評判及神經網絡等方法相比，粗糙集理論能更有效地處理關鍵沖突識別過程中沖突信息模糊和不確定的問題。

2．1 基于粗糙集的沖突約簡

協同產品創新設計中，由于設計任務的多層次性、并行性和協同性以及設計過程的迭代性，設計沖突呈現出數量種類多、發生頻率高、相互關系復雜等特征。因此，必須對沖突進行約簡，提取影響程度較大的沖突，在不影響沖突識別結果的同時，提高沖突識別效率。因此，利用粗糙集在知識約簡方面的優勢，首先采用粗糙集中的知識約簡理論和方法對各種沖突進行約簡、篩選。

定義1 四元組S＝（U，A，V，f）是一個決策信息系統，其中，U≠?稱為論域；A表示所有屬性的非空有限集合，由條件屬性C和決策屬性D組成，一般地，C∩D＝?；V為屬性a的值域Va的集合，a∈A；f表示U×A→V的一個信息函數，它為每個對象的每個屬性賦予一個信息值。

定義2 每個屬性子集P?A決定了一個二元等價關系IND（P）：

定義3 等價關系IND（P），P?A構成了U的一個劃分，用U／IND（P）＝｛X1，X2，…，Xn｝表示，其中，Xi表示不同的等價類。

定義4 屬性子集P?A的信息熵H（P）為

定義5 屬性a∈A的重要性為

當IA（a）＞0時，稱a∈A在A中是必要的；當IA（a）＝0，則a是冗余的。

在以上粗糙集理論的基礎上，對沖突進行約簡的步驟如下：

（1）按式（2）計算沖突集A的信息熵H（A）和H（A－｛a｝），其中，A為初始沖突的集合，A＝ ｛a1，a2，…，an｝；

（2）按式（3）計算IA（ai）（i＝1，2，…，n），刪去IA（ai）＝0的沖突，保留IA（ai）＞0的沖突，記為B ＝ ｛b1，b2，…，bl｝（l≤n）；

（3）再次計算沖突集B中各種沖突的重要程度IB（bj）（bj∈B）；

（4）計算B中各種沖突的重要性，按其重要程度，將重要性相對較小的沖突去掉，得到影響程度比較高的沖突的集合K＝｛k1，k2，…，kr｝（r≤l≤n）。

2．2 關鍵沖突識別

經過約簡后的沖突集包含了對設計效果影響程度比較大的設計沖突。但是在協同設計過程中，這些沖突一般不能夠同時解決，因此，需要計算沖突對協同設計效果的影響重要度，識別關鍵沖突，以提高設計沖突消解的效率和效果。

在這里，定義1中條件屬性集C＝｛C1，C2，…，Cm｝包括了約簡后的協同設計沖突，D＝｛D1，D2，…，Dn｝為設計效果決策屬性集合。

利用粗糙集中屬性重要度理論和方法識別關鍵沖突的具體步驟描述如下：

（1）確定決策屬性D對條件屬性Ci的依賴度γCi（D）。γCi（D）表示D 與Ci間的依賴度，其計算式為

其中，pos Ci（D）為D 關于Ci的正域，car d（·）表示集合的基數。依賴度γCi（D）的值越大，表示依賴程度越強。

（2）求屬性Ci的重要度。屬性Ci（Ci∈C）的重要度可以理解為從條件屬性中去掉屬性Ci，然后考慮決策結果大小變化的程度，變化越大說明屬性越重要。屬性Ci的重要度計算公式為

（3）求屬性Ci的歸一化權重wi，其公式為

在識別出關鍵沖突后，以目標沖突關鍵特征為索引，在實例知識庫中檢索出與目標沖突事例相關的源實例。當未檢索到匹配性較好的實例時，則進一步考慮沖突－功能－零部件之間的映射關系，選取與目標沖突具有一定相似度的實例知識進行組合、匹配，以產生沖突消解的備選方案并對其進行優化。

3 基于層次知識匹配的協同產品創新設計沖突消解

沖突與產品功能、產品零部件之間存在一種潛在的映射關系。在確定關鍵沖突后，通常情況下，為了快速消除沖突，進行實例檢索，以相似度最大的實例作為沖突消解的參考。本文針對未檢索到匹配性較好的實例的情況，提出將沖突映射到產品功能，進一步映射到具體的產品零部件上，以便從產品實例庫中選擇相似系列零部件進行組合優化及改進的沖突消解解決思路。

基于該思路，為提高知識匹配效率，我們提出了基于層次知識匹配的沖突消解方法，如圖4所示。該方法中，將產品設計沖突涉及的對象分為產品、部件、底層部件和零件四層，因設計沖突的約束條件、沖突類型及沖突強度等不同，沖突可在不同層次上得以消除。產品實例庫也可分為多層實例與產品結構層級相對應。利用該方法消解設計沖突時，首先，確定沖突－功能－零部件的映射關系，明確沖突涉及的功能模塊及相應的最高產品層次范圍。其次，按照產品－部件－底層部件－零件的層次順序關系，從頂至底逐層匹配，實現多層次的知識匹配與組合設計。如果在上一層已經完成了知識匹配與設計沖突的消解，則不再進行下一層次的分解與匹配，以此類推。最后，通過設計層次知識與設計過程的集成，實現設計過程中的沖突解決及設計方案的優化。

然而，在層次知識匹配即對產品零部件進行分解、組合與優化的過程中，會產生眾多的設計備選方案。同時，產品設計是一個不斷反復的過程，需要多方設計人員參與進行多次修改才能得到最終優化結果，優化搜索算法是提高知識搜索與匹配效率的一種重要途徑。

禁忌搜索算法（tabu search，TS）同遺傳算法、蟻群算法一樣，也是一種智能搜索算法，它具有避免陷入局部最優并最終收斂于全局最優（次優）的能力，目前已在組合優化、設計優化等領域得到成功應用［14－15］。考慮到設計的迭代性，與其他算法相比，TS算法更適合求解協同創新設計中的沖突消解與方案優化問題。因此，本文采用TS算法中Tabu表的記憶功能和特赦準則策略，同時，針對TS算法在求解優化問題時存在的“停滯”現象，模擬生物基因重組進化過程產生新的方案［16］，提出一種改進的禁忌搜索方法——ERTS（elite reco mbinant tabu search）來解決創新設計沖突并獲得最優產品設計方案。

3．1 基于ERTS的協同產品創新設計沖突消解

依據ERTS算法的核心思想，在產品設計中引入一個靈活的存儲結構和相應的準則來避免迂回設計，采用生物進化中的精英基因重組策略使TS盡早跳出“停滯”階段以產生新的方案，進而保證設計的多樣化并最終實現快速全局優化。基于ERTS的協同設計沖突消解與方案優化的基本步驟如下：

（1）初始化。針對TS算法對初始解有較強依賴性的特點，為保證初始解的高質量，提高搜索效率，隨機從產品實例庫中挑選出與設計目標相似度大于閾值ξ的實例作為設計的初始解，并置“設計避免表”為空。同時定義適應值函數，確定完成最終設計要求的評價標準。初始化變量當前迭代次數 （Tcurr）、最大迭代次數（Tmax）、當前連續未找到更好解的次數（Tunchange）、最大連續未找到更好解次數（Tmaxunchange）及局部最優解重組次數（R）及其最大值（Rmax）等。

（2）以其他相似度大于ξ的實例集作為備選解集N（X），計算各備選解的目標函數值f（X）。根據目標函數值、禁忌狀態和特赦條件選擇一個備選解，從當前解移動到該備選解，作為新的當前解，將新的當前解裝入禁忌表中，使其保持一個禁忌周期的禁忌狀態。重復上述迭代搜索過程，并不斷更新禁忌表。將歷次搜索過程中獲得的l個最佳局部最優解存儲在滿意表S中。

（3）如果Tunchange＝Tmaxunchange，設計出現“停滯”現象，不能有效解決產品設計沖突時，采用cohesive crossover交叉對知識進行重組以產生新的個體xnew。具體過程為：① 在S中，隨機選擇兩個個體si和sj（i，j＝1，2，…，l；i≠j）作為父代個體。②在個體si中，隨機選擇一個節點gk∈R為交叉點，則個體si中節點gm與節點gk（不同于gk的其他任意節點）之間距離d（gkm）的最大值u＝ max（d（gkm）），gm∈si。對所有節點gm∈Q1，Q1＝ ｛gm｜d（gkm）＜ u／2｝，xnew（gm）＝si（gm）；對其余節點gb? Q1，xnew（gb）＝sj（gb）。③若xnew各模塊結構間有某些不協調，則對xnew作進一步調整，最終得到一個新的可行解。

（4）判斷產生的新方案是否優于當前最好解的禁忌解或是否滿足特赦規則，如果是，xbest＝xnew，更新禁忌表和滿意表S；Tcurr加1。

（5）如果Tcurr＝Tmax，轉步驟（6）；否則，再次判斷R是否等于Rmax，如果是，轉步驟（6），否則，轉步驟（3）的①。

（6）輸出當前最好解。

3．2 算法關鍵參數設置

（1）適應值函數。適應值函數用于對產品優化設計方案的好壞進行評價。在評價產品設計時，通常從以下幾個方面考慮：①產品功能滿足客戶需求的程度s；②產品制造成本c；③產品設計時間t；④環境因素e，包含對自然環境產生的影響等。因此，定義適應值函數f ＝f（s，c，t，e）。

（2）禁忌對象的確定。對產品某一功能模塊設計進行禁忌，即以設計狀態分量作為禁忌對象放入禁忌表中。

（4）特赦準則 。采用基于適應值的準則作為特赦準則。若某個禁忌產品設計方案的適應值優于最優適應值，則解禁此產品設計方案為當前狀態和新的最優設計適應值。

（5）鄰域搜索結構。解x實際上是一種系列模塊組合，所有可能的組合構成了產品設計的狀態空間。定義鄰域搜索結構為置換操作，即從數據庫中隨機選擇某一模塊或模塊組合對原組合進行置換。

（6）終止準則。采用事先指定迭代次數為終止準則。

4 應用示例

本文以某型號摩托車的協同設計為例，對所提出模型與方法的可行性和有效性進行驗證。經市場調研及與客戶溝通交流，按客戶需求確定了28項摩托車基本功能。經分析，主要有支撐負載、控制方向、傳遞動力、轉換能量發出動力等15項功能在產品主要6個設計目標（外觀性、耐用性、動力性、舒適性、經濟性和安全性）上發生沖突。因此，首先運用粗糙集約簡理論對這15項功能進行篩選，得到比較重要的6項存在沖突的功能：控制方向、阻止轉動、傳遞動力、轉換能量發出動力、供給可燃氣體、供給存儲電能。進一步，采用粗糙集屬性重要度理論與方法識別關鍵沖突。

4．1 關鍵沖突的識別

在利用粗糙集理論與方法計算各沖突的重要度權重過程中，上述6項沖突對應于決策表中的條件屬性，記作C1、C2、…、C6。條件屬性Ci的取值為｛沖突合理解決，沖突較好解決，沖突未消解｝。根據其對設計效果的影響程度，相應的量化值取為｛2，1，0｝。Ci取值越高，表示其會促使設計效果變得越好。選擇以往設計中的50個實例，分別記作B1、B2、…、B50，來計算Ci的重要度。決策屬性D 分為設計效果好（D1）、效果較好（D2）、效果一般（D3）及效果差（D4）四個等級，記為D＝｛D1，D2，D3，D4｝＝ ｛3，2，1，0｝。由此得到表1所示決策屬性表。

表1 協同創新設計沖突決策屬性表

根據式（1）～式（3），計算各個沖突的重要度權 重 為 ｛0．162，0．092，0．207，0．292，0．116，0．131｝，由此確定首先解決關鍵沖突C4。

4．2 關鍵沖突的消解與求解方案的優化

關鍵沖突C4相應的部件為發動機，沖突內容為“在提高產品動力性的同時會導致產品成本和燃油消耗的增加，經濟性下降”，約束為各零部件之間的配置約束及成本，以關鍵沖突內容“零件名稱和約束條件”為索引進行檢索。從產品實例庫中選出相似度較大的一個，經實例分解，相應的摩托車發動機7個主要零部件為氣缸、曲柄連桿、配氣部件、潤滑部件、冷卻部件、箱體、點火線圈部件，分別記作A、B、C、D、E、F、G，運用ERTS算法對其進行優化。以最高滿意度、最小成本為優化目標，因此，適應值函數f＝f（s，c）＝0．6s＋0．4c。各分目標的權重由創新設計團隊群體決策確定。算法最大迭代次數Tmax＝200，局部最優解重組次數Rmax＝10，禁忌表長度為3，圖5所示為某摩托車發動機協同設計優化與沖突消解過程。

圖5 某摩托車發動機協同產品創新設計沖突消解過程

從圖5中可以看出，在第48次迭代中，有5個可選的優化選項（A1B1）、（A2B2）、（C1D1）、（F1）和（F2G1）。當用（C1D1）取代原設計方案中的（C0D0）時，可使設計方案的適應值提高得最多，達到0．70。因此，選用（C1D1）取代（C0D0），設計方案由（A0B0C0D0E0F0G0）優化為（A0B0C1D1E0F0G0）。

在第52次迭代中，當前設計方案（A0B0C1D2E3F1G0）適應值為0．75，進行改進后的方案適應值最大為0．65。5個最佳候選解都不能使適應值較前一個設計方案得到提高，但為跳出設計局部最優，嘗試更多的改進方案，達到整個產品設計全局最優而忽視這一點，選擇改進后的最佳設計方案（A1B0C2D2E3F1G1）為下一步改進對象。

在第70次迭代中，當前設計方案（A1B0C2D2E3F1G1）適應值為0．65，在優選的幾個方案中，此時雖然模塊C1D1被禁忌（禁忌次數已減為1），但是這個改進方案卻能夠使得設計比以前設計中任何一次改進方案得到的適應值都大。因此，特赦這個設計方案，選擇它作為下一步改進的候選解。重置它的禁忌次數為3。這就是特赦準則保證解多樣化的作用。新的產品設計方案（A1B1C1D1E3F1G1）作為下一步改進對象。由于篇幅有限，不再對優化過程一一詳述。

采用MATLAB編程實現了ERTS算法對該設計優化問題的求解。最終，由ERTS算法最終獲得的優化方案為（A5B1C2D4E9F15G8），其適應值最高，為0．892。進一步對發動機各零部件的配置接口進行局部微調，得到最終的設計優化方案，即采用單缸、四沖程、風冷125式發動機，點火方式采用CDI電子點火，經濟油耗（百公里油耗為1．7L），最高車速95k m／h，而且價格比較合理，因此獲得客戶的好評。

5 結束語

為有效消除協同創新設計中的沖突以得到優化的產品設計方案，本文建立了沖突消解的過程模型，系統地提出了基于層次知識匹配的設計沖突消解的技術方案；提出了利用粗糙集約簡沖突并識別關鍵沖突的方法；對于層次知識匹配策略產生的大量設計方案，提出了一種基于改進禁忌搜索算法的優化方法。最后，將提出的設計沖突消解方法應用于某摩托車的協同優化設計中，驗證了所提出方法的可行性和有效性。

［1］ 劉明周，葛茂根，劉正瓊，等．基于約束的可定制產品配置模型［J］．計算機輔助設計與圖形學學報，2006，18（2）：225－230．

［2］ 陳宗舜．機械制造業工藝設計與CAPP技術［M］．北京：清華大學出版社，2004．

［3］ Ross S，Fang Liping，Hipel K W．A Case－based Reasoning System f or Conflict Resolution：Design and Implementation［J］．Engineering Applications of Artificial Intelligence，2002，15（3／4）：369－383．

［4］ Avramenko Y，Kraslawski A，Krysiak W．Casebased Reasoning Tool for the Support of Process and Product Design［J］．Computer Aided Chemical Engineering，2005，20（1）：697－702．

［5］ Park Y J，Choi E，Park S H．Two－step Filtering Datamining Met hod Integrating Case－based Reasoning and Rule Induction［J］．Expert Systems wit h Applications，2009，36（1）：861－871．

［6］ Jung Sabu m，Li m Taesoo，Ki m Dongsoo．Integrating Radial Basis Function Net wor ks with Casebased Reasoning for Product Design［J］．Expert Systems with Applications，2009，36（3）：5695－5701．

［7］ 羅杰文，施智平，何清，等．一種CBR與RBR相結合的快速預案生成系統［J］．計算機研究與發展，2007，44（4）：660－666．

［8］ 王忠賓，陳禹六，李清．智能CAPP系統沖突消解機制研究［J］．計算機集成制造系統，2009，15（6）：1115－1121．

［9］ 孫毅，單繼宏，孫中煒，等．基于實例與規則集成的模架配置方法［J］．中國機械工程，2009，20（4）：428－432．

［10］ 許多，嚴洪森．基于模糊度量質量屋的產品特征映射及分析［J］．計算機集成制造系統－CI MS，2004，10（4）：693－698．

［11］ 肖人彬，蔡池蘭，劉勇．公理設計的研究現狀與問題分析［J］．機械工程學報，2008，44（12）：1－11．

［12］ 張文修，吳偉志，梁吉業，等．粗糙集理論與方法［M］．北京：科學出版社，2001．

［13］ Khoshgoftaar T M，Bullard L A，Gao K．Attribute Selection Using Rough Sets in Soft ware Quality Classification［J］．International Journal of Reliability，Quality and Safety Engineering，2009，16（1）：73－89．

［14］ Chelouah R，Siarry P．Tabu Search Applied to Global Opti mization［J］．Eur opean Jour nal of Operational Research，2000，123（2）：256－270．

［15］ Jaeggi D M，Par ks G T，Kipour os T，et al．The Develop ment of a Multi－objective Tabu Search Algorith m for Continuous Opti misation Problems［J］．Eur opean Jour nal of Operational Research，2008，185（3）：1192－1212．

［16］ Carlos Concei??o A．A Study on Synergy of Multiple Crossover Operators in a Hierarchical Genetic Algorith m Applied to Str uct ural Opti mization［J］．Str uctural and Multidisciplinar y Opti mization，2009，38（2）：117－135．