面向復(fù)雜產(chǎn)品的多層智能推理框架

馮珊，郭四海

(1.華中科技大學(xué)控制科學(xué)與工程系，湖北武漢 430074;2.武漢理工大學(xué)自動(dòng)化學(xué)院，湖北武漢 430070)

面向復(fù)雜產(chǎn)品的多層智能推理框架

馮珊1，郭四海2

(1.華中科技大學(xué)控制科學(xué)與工程系，湖北武漢 430074;2.武漢理工大學(xué)自動(dòng)化學(xué)院，湖北武漢 430070)

案例推理是基于知識(shí)的問(wèn)題求解方法.克服復(fù)雜產(chǎn)品進(jìn)行單層案例推理所面臨的粗粒度問(wèn)題，考慮到復(fù)雜產(chǎn)品案例表達(dá)多層次的特點(diǎn)，根據(jù)領(lǐng)域知識(shí)和部件功能相似性，基于XML描述的部件層次互換約束規(guī)則，實(shí)現(xiàn)深層次的案例細(xì)節(jié)調(diào)整和修改，從而建立了多層智能推理方法框架，為多層次復(fù)雜產(chǎn)品案例推理問(wèn)題提供可行的解決方案.并以某類(lèi)復(fù)雜產(chǎn)品采辦全生命周期中的概念設(shè)計(jì)為例說(shuō)明多層智能推理框架問(wèn)題求解的有效性和面向用戶(hù)服務(wù)的支持效率.

多層案例推理;互換規(guī)則;基于仿真的采辦;XML

案例推理(case－based reasoning，CBR)是人工智能領(lǐng)域新出現(xiàn)的一種基于知識(shí)的問(wèn)題求解方法.CBR解題過(guò)程可簡(jiǎn)單描述為首先從記憶庫(kù)(案例庫(kù))中找到與當(dāng)前問(wèn)題最相似的案例，再結(jié)合當(dāng)前問(wèn)題的特點(diǎn)對(duì)該案例作必要的修改以適應(yīng)當(dāng)前問(wèn)題的求解.基于案例推理方法的概念設(shè)計(jì)，通過(guò)將歷史設(shè)計(jì)方案描述為“案例”，克服了傳統(tǒng)專(zhuān)家系統(tǒng)中規(guī)則獲取的瓶頸問(wèn)題，極大地豐富了領(lǐng)域知識(shí)的知識(shí)表示方法，并簡(jiǎn)化了知識(shí)庫(kù)的維護(hù)工作［1－2］.并且通過(guò)對(duì)歷史案例解決方案的調(diào)整，使得案例推理系統(tǒng)具有相當(dāng)?shù)膭?chuàng)新性和解決新問(wèn)題的能力，能夠符合概念設(shè)計(jì)活動(dòng)的創(chuàng)新性要求.另外，CBR可根據(jù)過(guò)去實(shí)際發(fā)生的經(jīng)驗(yàn)和案例得出結(jié)論，符合人類(lèi)的思維習(xí)慣，因此推理出的結(jié)論容易被用戶(hù)所接受［3－4］.

CBR在知識(shí)獲取和維護(hù)、提高問(wèn)題求解效率、改進(jìn)問(wèn)題求解質(zhì)量和提高用戶(hù)接受度等方面都優(yōu)于傳統(tǒng)的基于規(guī)則的推理方法.其優(yōu)勢(shì)還在于對(duì)尚未完全了解的領(lǐng)域，可根據(jù)以往的經(jīng)驗(yàn)預(yù)先擬定某些假設(shè)和推測(cè)，據(jù)以導(dǎo)出關(guān)鍵性因果關(guān)系，從而支持對(duì)所面臨的待求解問(wèn)題提出可行解決方案集，經(jīng)過(guò)對(duì)可行解集的評(píng)估和優(yōu)化后，再?gòu)闹写_定一個(gè)滿(mǎn)意解.這種問(wèn)題求解方法特別有助于因問(wèn)題描述不確切，建模困難又沒(méi)有相應(yīng)有效算法的虛擬采辦(simulation based acquisition，SBA)復(fù)雜問(wèn)題求解，特別對(duì)于SBA概念設(shè)計(jì)，由于其處于采辦全壽命周期早期階段，采辦者尚無(wú)法獲得確切和詳實(shí)的采辦信息，CBR方法至少可以支持采辦者勾畫(huà)出采辦新裝備的雛形，作為SBA全生命周期演化過(guò)程的起點(diǎn)，因此，CBR問(wèn)題求解方法在SBA概念設(shè)計(jì)中的應(yīng)用是一種有效和務(wù)實(shí)的求解策略［5－6］.

文獻(xiàn)［7］介紹了已經(jīng)實(shí)現(xiàn)的基于案例推理的概念設(shè)計(jì)工具ICACDT，該工具基于CBR－Solver的4R流程進(jìn)行了面向應(yīng)用的擴(kuò)展和性能提高.設(shè)計(jì)者在該工具支持下通過(guò)人機(jī)交互可完成自任務(wù)新產(chǎn)品需求的形式化表達(dá)(系統(tǒng)輸入)到概念設(shè)計(jì)(系統(tǒng)輸出)完成的任務(wù)產(chǎn)品概念設(shè)計(jì)全過(guò)程［7］.本文在上述已經(jīng)實(shí)現(xiàn)的基于單層案例推理的概念設(shè)計(jì)工具基礎(chǔ)上，鑒于SBA復(fù)雜系統(tǒng)進(jìn)行案例表達(dá)具有豐富層次性特點(diǎn)，將多層案例推理機(jī)制引入SBA概念設(shè)計(jì)中.重點(diǎn)闡述了多層智能案例推理框架的構(gòu)成與設(shè)計(jì)原理，并以某類(lèi)復(fù)雜裝備系統(tǒng)實(shí)例驗(yàn)證了多層智能推理方法的有效性和可行性.

1 多層智能推理工具設(shè)計(jì)

CBR的多層案例推理，在認(rèn)知科學(xué)、知識(shí)工程和智能計(jì)算技術(shù)方面有其特殊的意義.復(fù)雜系統(tǒng)問(wèn)題求解依靠各層次、各類(lèi)型推理的綜合集成過(guò)程.特別是在SBA系統(tǒng)工程中需要用基于仿真的最優(yōu)化技術(shù)(simulation based optimization)時(shí)，最適合可整體處理的復(fù)雜對(duì)象系統(tǒng)仿真模型的非案例模型莫屬，這是近10年來(lái)仿真界的一個(gè)研究重點(diǎn)［8］.多層案例推理的理論基礎(chǔ)是由案例庫(kù)提供蘊(yùn)涵可行解的解空間，運(yùn)用類(lèi)比推理，按有效算法找出一個(gè)最接近目標(biāo)解的備選案例集合，并加以篩選和修正，作為已知的知識(shí)即事實(shí)，對(duì)應(yīng)新需求的解決方案集.從中優(yōu)選最佳方案時(shí)，用多層推理可根據(jù)領(lǐng)域知識(shí)(部件案例)選擇更換部件級(jí)，或更細(xì)的層次，從而支持用戶(hù)完成復(fù)雜裝備虛擬采辦任務(wù)概念設(shè)計(jì)全過(guò)程［9－10］.

1.1 多層智能推理框架

在文獻(xiàn)［7］中介紹的單層案例推理過(guò)程中，按任務(wù)書(shū)要求通過(guò)適用算法對(duì)案例總體參數(shù)檢索所得到的相似案例，通常與任務(wù)書(shū)要求的任務(wù)案例在功能與結(jié)構(gòu)參數(shù)方面比較相近，但不完全符合，這樣就必須對(duì)案例進(jìn)行深層次的調(diào)整和修改.

由于案例表達(dá)具有層次性，即案例庫(kù)中的案例可以按照“自上而下”的組織方式，以整體表達(dá)→部件表達(dá)→零件表達(dá)的多層次劃分進(jìn)行表達(dá)，所以可以通過(guò)多層次推理模型解決案例匹配與案例調(diào)整中的參數(shù)選擇問(wèn)題.從而將設(shè)計(jì)任務(wù)案例分解為層次性的子任務(wù)分別求解，能夠更有效地利用相似案例，擴(kuò)大問(wèn)題求解空間，這一點(diǎn)對(duì)于案例庫(kù)中案例數(shù)量很少的情況特別適用.

在多層案例推理過(guò)程中，對(duì)案例總體進(jìn)行第一次推理得到的可用案例集合可以作為設(shè)計(jì)任務(wù)書(shū)問(wèn)題的初始解.在得到初始解之后，根據(jù)案例總體的設(shè)計(jì)約束和規(guī)則約束在下一層部件中尋找相關(guān)的屬性，這樣便可以從總體層次依次向下進(jìn)行逐層推理，最終得到滿(mǎn)足設(shè)計(jì)要求的案例總體及部件參數(shù).圖1虛線框所示部分為案例調(diào)整部分，同時(shí)也是一個(gè)完整的多層案例推理流程.

圖1 多級(jí)案例推理機(jī)制Fig.1 Multilevel case-based reasoning mechanism

整個(gè)案例推理流程以設(shè)計(jì)任務(wù)書(shū)為起點(diǎn)，通過(guò)初步的檢索和重用以往的設(shè)計(jì)得到基本上符合設(shè)計(jì)要求的設(shè)計(jì).在調(diào)整階段，以替換規(guī)則為基礎(chǔ)，對(duì)案例子部件進(jìn)行替換最后得到新的設(shè)計(jì)方案.整個(gè)過(guò)程包含了2個(gè)案例推理流程;1)以設(shè)計(jì)任務(wù)書(shū)整體指標(biāo)為參考的整體推理;2)基于約束規(guī)則的方法替換子系統(tǒng)，并對(duì)子系統(tǒng)的相似性質(zhì)進(jìn)行計(jì)算得到最相似結(jié)果，并在更換子系統(tǒng)后，對(duì)系統(tǒng)重新進(jìn)行評(píng)價(jià).

1.2 多層智能推理流程

多層案例推理與以往的案例推理的不同之處在于不僅對(duì)案例整體進(jìn)行推理，而且在案例的調(diào)整階段對(duì)部件也同樣進(jìn)行推理.在方法論上屬于同一方法的自我調(diào)用和重復(fù).具體案例推理流程如圖2.多層智能案例推理具體實(shí)現(xiàn)流程可以按照以下步驟來(lái)進(jìn)行.

1)以整體性能指標(biāo)為基礎(chǔ)，采用相應(yīng)匹配算法獲得整體指標(biāo)上最相似的歷史案例.

2)按照相應(yīng)的評(píng)價(jià)方法對(duì)經(jīng)過(guò)上次案例推理得到的案例集合進(jìn)行分析，得到其案例與設(shè)計(jì)任務(wù)案例的差異.

3)按照兩者的具體差異參數(shù)從規(guī)則庫(kù)中得到相應(yīng)的約束關(guān)系，根據(jù)約束關(guān)系確定應(yīng)該對(duì)案例部件中的哪些部件進(jìn)行調(diào)整、修改.而根據(jù)實(shí)際產(chǎn)品歸納、整理出一個(gè)全面、完整的規(guī)則庫(kù)以適應(yīng)設(shè)計(jì)中各種可能的設(shè)計(jì)參數(shù)約束需求是本步驟成功的關(guān)鍵.

4)依靠案例總體與部件調(diào)整規(guī)則從案例庫(kù)與部件庫(kù)中檢索出的相似案例總體及部件，調(diào)用計(jì)算模型方法計(jì)算更換子部件后案例的屬性值并進(jìn)行校驗(yàn)，從而得到相應(yīng)的調(diào)整策略、過(guò)程.

5)按照案例推理規(guī)則對(duì)這些選擇的部件進(jìn)行推理，并對(duì)更換、修改部件結(jié)果進(jìn)行評(píng)價(jià)，更換子部件后案例的相似度，若該結(jié)果滿(mǎn)足設(shè)計(jì)要求，得到一個(gè)與設(shè)計(jì)任務(wù)最相似的改造案例，則案例調(diào)整成功，結(jié)束所有推理過(guò)程;否則需要進(jìn)行更多部件的更換和調(diào)整，返回2)進(jìn)行下一輪的推理.

圖2 多層案例推理流程結(jié)構(gòu)Fig.2 Multilevel CBR process structure

2 多層智能推理實(shí)例

通過(guò)對(duì)某類(lèi)復(fù)雜武器系統(tǒng)單層指標(biāo)案例推理模塊進(jìn)行改進(jìn)和擴(kuò)展實(shí)現(xiàn)的多層智能推理實(shí)例，說(shuō)明基于案例的多層智能推理工作流程.在對(duì)該案例進(jìn)行第一次總體性能指標(biāo)推理得到可用案例集合作為初始解的基礎(chǔ)上，根據(jù)案例總體的設(shè)計(jì)約束和規(guī)則約束調(diào)用子部件互換計(jì)算模型，在下一層部件中尋找合適屬性的部件，對(duì)更換部件的案例重新進(jìn)行相似度匹配計(jì)算，根據(jù)結(jié)果得出保留該次互換結(jié)果或重新進(jìn)行更換的判斷依據(jù)，從而實(shí)現(xiàn)從總體向下進(jìn)行逐層推理并返回總體進(jìn)行匹配計(jì)算的循環(huán)過(guò)程，最終得到滿(mǎn)足設(shè)計(jì)要求的案例總體及部件參數(shù).

表1 總體性能推理結(jié)果Table 1 Overall performance results based CBR

表1是進(jìn)行總體性能案例推理的數(shù)據(jù)，這里僅列出任務(wù)案例與7個(gè)備選案例的部分總體性能指標(biāo)，按照最近相鄰法計(jì)算得出備選方案4與任務(wù)案例的相似度為0.915，較其他備選案例更接近任務(wù)案例的要求，但仍有相當(dāng)?shù)牟罹啵瑸榱颂岣甙咐评斫Y(jié)果的符合度，在約束規(guī)則指導(dǎo)下對(duì)子部件進(jìn)行嘗試性更換，尋求更符合任務(wù)案例的結(jié)果.

本實(shí)例中使用的最近相鄰法是用屬性相似度的加權(quán)和表征任務(wù)案例與待評(píng)價(jià)案例間的相似度.因?yàn)閮砂咐亩鄬傩悦枋?屬性個(gè)數(shù)、度量等)完全一致，且兩案例的屬性權(quán)重取值完全相同，則其相似度計(jì)算公式為

式中:SIR表示案例I和案例R的相似度;ωi表示第i個(gè)屬性在整個(gè)案例屬性集合中所占的權(quán)重，sim為屬性相似度計(jì)算公式和分別表示案例I和案例R的第i個(gè)屬性的屬性值.案例相似度SIR計(jì)算結(jié)果為［0，1］區(qū)間的實(shí)數(shù)，0表示2個(gè)案例完全不相似，1表示完全吻合.

最近相鄰法計(jì)算案例間相似度的公式中并未明確其所用各屬性相似度的具體計(jì)算方法，通常在將案例多屬性描述為多維空間的位置時(shí)，選用幾何空間距離計(jì)算案例之間的各個(gè)維度上的距離相似度.若2點(diǎn)間的空間距離相對(duì)很小，則謂相似度大.常用的計(jì)算案例屬性間的空間距離方法有海明距離和歐幾里德距離2種，下面給出具體計(jì)算公式和簡(jiǎn)要說(shuō)明.海明距離計(jì)算公式為

式中:maxfi和minfi分別代表案例第i個(gè)屬性的最大值和最小值.

單個(gè)屬性的屬性相似度計(jì)算公式為

基于歐幾里德(Euclidean)距離計(jì)算案例之間相似度公式為

應(yīng)用歐幾里德距離計(jì)算案例之間相似度公式前，需要對(duì)每個(gè)屬性做歸一化處理.歸一化計(jì)算公式多采用公式:

式中:Fmax、Fmin分別是屬性的最大值和最小值，F(xiàn)O是屬性的原始數(shù)值，F(xiàn)S是歸一化處理后的數(shù)值.

圖3所示的是對(duì)動(dòng)力系統(tǒng)子部件按規(guī)則進(jìn)行互換的前后案例對(duì)比圖.因?yàn)檫M(jìn)行動(dòng)力子部件互換必定會(huì)直接影響案例頂層屬性指標(biāo)量值，所以案例頂層相應(yīng)屬性指標(biāo)量值的變化依據(jù)需要從動(dòng)力子部件庫(kù)中相應(yīng)知識(shí)得出，例如圖3中更換動(dòng)力子部件后預(yù)計(jì)飛行速度會(huì)達(dá)到850 m/s，射程會(huì)達(dá)到8.4 km等，由于是示例，暫時(shí)不考慮更換動(dòng)力系統(tǒng)子部件對(duì)其他總體性能指標(biāo)的影響.再依據(jù)上述的最近相鄰法計(jì)算更換部件前后的案例與任務(wù)案例之間的相似度，結(jié)果如表2所示.

根據(jù)前面給出的最近相鄰法計(jì)算公式可知，在進(jìn)行計(jì)算方案相似度需要待檢索的案例集中的屬性最大值和最小值作為標(biāo)準(zhǔn)化的重要依據(jù)，所以包括不同數(shù)量案例的待檢索案例集計(jì)算結(jié)果僅具有相對(duì)性，而在絕對(duì)數(shù)值上會(huì)有所差別.如表2中只有更換動(dòng)力子部件前后2個(gè)待比較方案時(shí)，得出的結(jié)論是更換后案例相似度0.927要比更換前0.739大，更換子部件后更符合任務(wù)案例的要求.實(shí)例結(jié)果表明更換子部件后的案例方案總體性能指標(biāo)與任務(wù)案例方案更接近.

表2 重新推理結(jié)果Table 2 New reasoning results

圖3 按規(guī)則進(jìn)行子部件互換Fig.3 Exchange sub-components based rules

若推理不再繼續(xù)進(jìn)行，決策者認(rèn)為更換部件后的案例方案為現(xiàn)有條件下最滿(mǎn)意的一種方案時(shí)，即可使用本智能案例推理系統(tǒng)的報(bào)告自動(dòng)生成工具，發(fā)布方案選擇報(bào)告.

3 結(jié)束語(yǔ)

探討了多層智能推理方法框架和設(shè)計(jì)原理.在此基礎(chǔ)上闡述了根據(jù)領(lǐng)域知識(shí)(具有多層結(jié)構(gòu)的復(fù)雜產(chǎn)品)，按照約束規(guī)則選擇更換部件級(jí)甚至更細(xì)層次進(jìn)行案例匹配的推理過(guò)程.從而有效支持采辦用戶(hù)完成復(fù)雜武器裝備采辦任務(wù)概念設(shè)計(jì)全過(guò)程.

后續(xù)的研究關(guān)注應(yīng)用CBR方法進(jìn)行裝備技術(shù)方案決策的核心思想是基于整體形式化描述(案例庫(kù)中的各案例)的知識(shí)重用和按新的需求對(duì)經(jīng)驗(yàn)知識(shí)進(jìn)行修正和完善.由于重用建立在共性的需求和類(lèi)似的解決方案技術(shù)結(jié)構(gòu)上.因此，這一推理方法可擴(kuò)展到SBA過(guò)程中的模型重用和仿真重用以及設(shè)計(jì)模式乃至用戶(hù)界面模型及軟件測(cè)試計(jì)劃等的選擇與運(yùn)用上，成功的關(guān)鍵在于按事物的相關(guān)特征建立案例庫(kù)并確定合適的評(píng)估算法.

［1］GULFEM I.An integrated case－based reasoning and MCDM system for Web based tourism destination planning［J］.Expert Systems with Applications，2010，38(3):125－132.

［2］AMODET A.Knowledge－intensive case－based reasoning in CREEK［C］//Proc of the 7th European Conference on Case－based Reasoning.Berlin:Springer Verlag，2004:291－305.

［3］張榮梅，涂序彥.基于CBR的交通事故處理智能決策支持系統(tǒng)［J］.計(jì)算機(jī)工程與應(yīng)用，2002，38(2):247－249.

ZHANG Rongmei，TU Xuyan.CBR－cased intelligent decision support system for traffic accident disposing［J］.Computer Engineering and Applications，2002，38(2):247－249.

［4］SHEN W，WEN L.Research on integrating different methods of neural networks with case－based reasoning and rulebased system to infer causes of notebook computer breakdown［J］.Expert Systems with Applications，2010，37(6):4544－4555.

［5］李伯虎，柴旭東.SBA支撐環(huán)境技術(shù)的研究［J］.系統(tǒng)仿真學(xué)報(bào)，2004，16(2):181－185.

ZHANG Rongmei，TU Xuyan.CBR－cased intelligent decision support system for traffic accident disposing［J］.Computer Engineering and Applications，2002，38(2):247－249.

［6］CHAI Xudong，LI Bohu.Research and application on service oriented infrastructure for networkitized M＆S［C］//Proceedings of 2006 International Workshop on Distributed Simulation on the Grid.Washington，DC，USA，2006:113－125.

［7］馮珊，郭四海，周凱波，等.虛擬樣機(jī)概念設(shè)計(jì)工具中的智能技術(shù)［J］.華中科技大學(xué)學(xué)報(bào)，2007，35(8):48－51.

FENG Shan，GUO Sihai，ZHOU Kaibo，et al.Intelligent technology used in the tools for the conceptual design of virtual prototypes and its evolution［J］.Jounal of Huazhong U－niversity of Science and Technology，2007，35(8):48－51.

［8］RICHARD P，EKARTA A.Hierarchical case－based reasoning to support knitwear design［J］.Manufacturing Science and Technology，2010，4(2):299－309.

［9］SERINA I.Kernel functions for case－based planning［J］.Artificial Intelligence，2010，174(16):1369－1406.

［10］TSATSOULIS C，CHENG Q，WEI H Y.Integrating casebased reasoning and decision theory［J］.IEEE Transactions on Intelligent Systems，2001，12(4):46－55.

馮珊，女，1935年生，教授，博士生導(dǎo)師.主要研究方向?yàn)閺?fù)雜系統(tǒng)建模與仿真、人工智能與計(jì)算智能的工程應(yīng)用及多Agent系統(tǒng)等.多年來(lái)主持智能集成系統(tǒng)工程研究室工作，承擔(dān)多項(xiàng)國(guó)家級(jí)自然科學(xué)基金及國(guó)防預(yù)研基金重點(diǎn)科研項(xiàng)目并多次獲國(guó)家及省部級(jí)科技進(jìn)步獎(jiǎng).發(fā)表學(xué)術(shù)論文160余篇，其中有66篇被SCI、EI、ISTP及INSPEC等檢索.

郭四海，男，1976年生，博士研究生，主要研究方向?yàn)榻Ｅc仿真、人工智能技術(shù)及虛擬采辦決策支持系統(tǒng)等.

Research on the architecture of a multi-level intelligent case-based reasoning-oriented complex equipment system

FENG Shan1，GUO Sihai2

(1.Institute of Systems Engineering，Huazhong University of Science and Technology，Wuhan 430074，China;2.School of Automation，Wuhan University of Technology，Wuhan 430070，China)

Case－based reasoning is a knowledge－based problem solving method.To overcome the coarse－grained problem in the single－level case－based reasoning of complex equipment systems;Based on the characteristics of the multi－level of complex equipment systems，the domain knowledge and the similarity of the components＇functions were considered，and the framework of multi－level intelligent case－based reasoning was proposed.In the framework，XML was used for describing the language of component replacement rules in order to realize the adjustment and modification of deep－level details of the case.The improvement and application of the framework are feasible solutions for case－based reasoning of a multi－level complex product system.Finally，an illustrative example for conceptual design of complex equipment systems was given to clarify the feasibility and effectiveness of the multi－level intelligent CBR framework.

multi－level case－based reasoning;replacement rules;simulation based acquisition;extensible markup language

TP391

A

1673－4785(2011)03－0283－06

10.3969/j.issn.1673－4785.2011.04.001

2010－12－15.

“十一五”國(guó)家部委資助項(xiàng)目(513040501);國(guó)家部委重點(diǎn)基金資助項(xiàng)目(9140A04050707);國(guó)家自然科學(xué)基金重大資助項(xiàng)目(79990580).

馮珊.E－mail:sfeng@mail.hust.edu.cn.