朱凱敏 李 靜

(1.中國(guó)市政工程西南設(shè)計(jì)研究總院有限公司，四川 成都 610081； 2.深圳市燃?xì)饧瘓F(tuán)股份有限公司，廣東 深圳 518000)

?

基于CBR的燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目知識(shí)檢索方法研究

朱凱敏1李 靜2

(1.中國(guó)市政工程西南設(shè)計(jì)研究總院有限公司，四川 成都 610081； 2.深圳市燃?xì)饧瘓F(tuán)股份有限公司，廣東 深圳 518000)

從燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目基于CBR的事例的表示、相似事例的檢索兩個(gè)環(huán)節(jié)，構(gòu)建了項(xiàng)目知識(shí)檢索的方法，探討了采用AHP確定事例特征屬性權(quán)值的技巧，使知識(shí)的檢索更加科學(xué)有效。

項(xiàng)目知識(shí)檢索，CBR系統(tǒng)，層次分析法，判斷矩陣

進(jìn)入知識(shí)經(jīng)濟(jì)時(shí)代，繼勞動(dòng)力、資本、土地之后，知識(shí)成為重要的生產(chǎn)要素。人類社會(huì)近三十年創(chuàng)造的知識(shí)已超過(guò)之前所創(chuàng)造的知識(shí)的總和[1]，企業(yè)實(shí)施知識(shí)管理的重要性日漸凸顯。對(duì)于知識(shí)密集型和人才密集型的工程勘察設(shè)計(jì)企業(yè)而言，知識(shí)更是企業(yè)的立足之本與核心競(jìng)爭(zhēng)力所在。勘察設(shè)計(jì)企業(yè)最重要的工作成果是設(shè)計(jì)圖紙和報(bào)告，其數(shù)量隨業(yè)務(wù)的發(fā)展呈幾何級(jí)增長(zhǎng)。如何從數(shù)據(jù)海洋中檢索到有效知識(shí)，是知識(shí)需求者參與知識(shí)共享的關(guān)鍵。

基于事例推理(Case-Based Reasoning,CBR)指的是利用舊的事例或經(jīng)驗(yàn)來(lái)解決問(wèn)題，評(píng)價(jià)方案，解釋異常情況或理解新情況，是人工智能發(fā)展過(guò)程中涌現(xiàn)的一種推理模式。本文通過(guò)對(duì)燃?xì)夤こ淘O(shè)計(jì)領(lǐng)域基于CBR的事例的表示、相似事例的檢索兩個(gè)環(huán)節(jié)的研究探索項(xiàng)目知識(shí)檢索的路徑。

1 項(xiàng)目事例的表示

事例的表示是CBR系統(tǒng)的基礎(chǔ)，事例必須表示成一定的結(jié)構(gòu)形式才能被檢索。CBR事例的表示可簡(jiǎn)化為(問(wèn)題的描述和結(jié)果的描述)兩部分。問(wèn)題的描述指事例發(fā)生時(shí)周圍的環(huán)境狀態(tài)和問(wèn)題的具體內(nèi)容，即事例的特征屬性。CBR系統(tǒng)通常采用事例特征屬性匹配方法，將事例問(wèn)題的描述，表示為一系列事例特征屬性的組合，通過(guò)事例特征屬性之間的匹配關(guān)系來(lái)確定各特征屬性的相似度，并經(jīng)加權(quán)后計(jì)算綜合相似性來(lái)檢索事例。結(jié)果的描述是指描述問(wèn)題求解的效果或者結(jié)論信息，具體指CBR匹配出的項(xiàng)目及其相關(guān)項(xiàng)目文件。

燃?xì)夤こ淌吕卣鲗傩酝ǔＳ深I(lǐng)域?qū)＜页槿?，?給出筆者推薦的特征屬性。

表1 燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目事例特征屬性

2 項(xiàng)目事例的檢索

2.1 檢索方法

項(xiàng)目事例的檢索算法有最近鄰法、歸納法、知識(shí)引導(dǎo)法、基于數(shù)據(jù)庫(kù)技術(shù)的檢索法等[2]，其中最經(jīng)典的最近鄰法逐項(xiàng)計(jì)算目標(biāo)事例與事例庫(kù)中源事例的特征屬性的相似度，然后依據(jù)預(yù)先確定的特征屬性權(quán)值確定目標(biāo)事例與源事例的綜合相似度，并返回綜合相似度超過(guò)閾值的源事例。最近鄰法需要解決三個(gè)問(wèn)題：事例綜合相似度的度量；事例特征屬性的相似度度量；科學(xué)確定事例特征屬性的權(quán)重。

2.2 事例綜合相似度的度量

最近鄰法計(jì)算綜合相似度有歐式距離(Euclidean)、海明距離(Hamming)、Kolodner距離等公式[3]，本文采用Kolodner距離公式：

(1)

表2～表6給出了燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目的項(xiàng)目類型、氣源類型、壓力級(jí)制、項(xiàng)目階段、項(xiàng)目區(qū)域五個(gè)字符型特征屬性的推薦相似度矩陣。

表2 項(xiàng)目類型特征屬性相似度取值表

表3 氣源類型特征屬性相似度取值表

(2)

其中，Maxfi和Minfi分別為事例庫(kù)中第i個(gè)特征屬性取值的上限和下限。

表4 壓力級(jí)制特征屬性相似度取值表

表5 項(xiàng)目階段特征屬性相似度取值表

表6 項(xiàng)目區(qū)域特征屬性相似度取值表

2.4 事例特征屬性權(quán)值ωi的確定

事例特征屬性的權(quán)重可通過(guò)專家評(píng)價(jià)法、層次分析法、概率分析法等方法確定，其中第一種方式通常由領(lǐng)域?qū)＜医o出或由用戶自定義，帶有明顯的主觀局限性，后兩種方法較為科學(xué)和客觀，本文采用層次分析法。

層次分析法(Analytic Hierarchy Process，簡(jiǎn)稱AHP)是國(guó)外20世紀(jì)70年代提出的適用于結(jié)構(gòu)較為復(fù)雜、決策準(zhǔn)則較多而且難以量化的決策問(wèn)題的一種系統(tǒng)分析方法。AHP在深入分析復(fù)雜決策問(wèn)題的本質(zhì)、影響因子及其內(nèi)在關(guān)系的基礎(chǔ)上，將影響決策的因素分解為目標(biāo)層、準(zhǔn)則層、方案層等若干層次，利用較少的定量信息實(shí)現(xiàn)決策的分析過(guò)程數(shù)學(xué)化，適用于解決無(wú)結(jié)構(gòu)特性或多準(zhǔn)則、多目標(biāo)的復(fù)雜決策問(wèn)題。關(guān)于AHP的關(guān)鍵技術(shù)，讀者可查閱相關(guān)文獻(xiàn)[4]。

1)建立層次結(jié)構(gòu)模型。AHP方法確定事例特征屬性權(quán)值的目標(biāo)層是從事例庫(kù)中檢索與目標(biāo)事例相似的源事例；準(zhǔn)則層為各事例特征屬性；方案層為事例庫(kù)的各源事例。由于AHP方法僅用于確定事例特征屬性的權(quán)值，因此本文僅關(guān)注目標(biāo)層和準(zhǔn)則層。建立的層次結(jié)構(gòu)模型如圖1所示。

2)建立判斷矩陣。針對(duì)準(zhǔn)則層上的因素C1，…，Cn，相關(guān)的目標(biāo)層的因素是Ak，則可針對(duì)因素Ak，對(duì)所有的元素C1，…，Cn按表7的含義進(jìn)行兩兩比較，得到數(shù)值cij。記矩陣Ak=(cij)n×n為因素C1，…，Cn相對(duì)于上一層因素Ak的判斷矩陣，顯然，cii=1，cij=1/cji(i，j=1,2,…,n)。

表7 cij含義表

在分析對(duì)比燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目的七個(gè)特征屬性的基礎(chǔ)上，對(duì)各特征屬性的重要性進(jìn)行兩兩比較，得到判斷矩陣Ak=(cij)7×7，如表8所示。

表8 判斷矩陣Ak

3)層次單排序。分析決策問(wèn)題并建立相似事例匹配層次結(jié)構(gòu)模型后，轉(zhuǎn)入層次中權(quán)值計(jì)算的問(wèn)題，即層次單排序和層次總排序。單排序是指依據(jù)判斷矩陣計(jì)算與上一層次某因素有聯(lián)系的本層次因素對(duì)前者而言重要性次序的權(quán)重的過(guò)程；總排序是確定某層所有因素對(duì)于總目標(biāo)而言重要性次序的權(quán)重過(guò)程，此計(jì)算過(guò)程是從最高層到最低層依次進(jìn)行的。由于本文模型只關(guān)注目標(biāo)層和準(zhǔn)則層，因此其層次單排序的結(jié)果也就是層次總排序的結(jié)果，通過(guò)層次單排序即可得出表征燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目七個(gè)特征屬性重要性次序的權(quán)值。

根據(jù)判斷矩陣計(jì)算對(duì)于目標(biāo)層Ak而言準(zhǔn)則層C1，…，Cn的權(quán)重，其計(jì)算可轉(zhuǎn)化為求解判斷矩陣的特征向量與最大特征根的過(guò)程。對(duì)任意判斷矩陣Ak，若有Akω=λmaxω，稱λmax為Ak的最大特征根，ω=(ω1，…，ωn)T為Ak的特征向量，ω1，…，ωn即為因素C1，…，Cn對(duì)于目標(biāo)層Ak按重要程度的一個(gè)排序，即權(quán)重。

特征向量與最大特征根可以通過(guò)線性代數(shù)的方法進(jìn)行求解，也可采用和積法或方根法[5]等近似方法計(jì)算。經(jīng)計(jì)算判斷矩陣的最大特征根λmax=7.529，判斷矩陣的特征向量ω=(0.375,0.132,0.106,0.024,0.076,0.245,0.042)T，換言之，燃?xì)夤こ淘O(shè)計(jì)項(xiàng)目的七個(gè)特征屬性的權(quán)值分別為0.375,0.132,0.106,0.024,0.076,0.245和0.042。

4)一致性檢驗(yàn)。為避免在構(gòu)造判斷矩陣時(shí)出現(xiàn)判斷上的不一致性，需要利用一致性指標(biāo)按下述步驟進(jìn)行檢驗(yàn)，作為度量判斷矩陣偏離一致性的程度。

a.計(jì)算一致性指標(biāo)CI(Consistency Index)：

(3)

b.查找相應(yīng)同階平均隨機(jī)一致性指標(biāo)RI，表9給出了1階～16階的平均隨機(jī)一致性指標(biāo)RI。

c.計(jì)算一致性比例CR(Consistency Ratio)：

CR=CI/RI

(4)

當(dāng)CR≤0.1時(shí)，認(rèn)為判斷矩陣的一致性令人滿意，否則需要調(diào)整判斷矩陣。

由式(3)，式(4)分別計(jì)算出CI=0.088，CR=0.067。由于CR<0.1，判定判斷矩陣的一致性是令人滿意的，由此判斷本文建立的數(shù)學(xué)模型是合理的。

表9 平均隨機(jī)一致性指標(biāo)RI[6]

3 結(jié)語(yǔ)

本文通過(guò)對(duì)基于CBR系統(tǒng)的項(xiàng)目事例的表示、相似事例的檢索兩個(gè)關(guān)鍵環(huán)節(jié)的研究為企業(yè)構(gòu)建知識(shí)檢索的路徑，實(shí)現(xiàn)從事例庫(kù)中檢索出與目標(biāo)事例相似的源事例。在相似事例度量環(huán)節(jié)，采用Kolodner距離公式計(jì)算目標(biāo)事例與源事例的綜合相似度，并采用AHP確定事例特征屬性的權(quán)重值，使取值更客觀和科學(xué)。

[1] 趙燕茹.科技進(jìn)步與經(jīng)濟(jì)發(fā)展[J].黑龍江社會(huì)科學(xué),1998(2):16-17.

[2] 李曉輝,劉妍秀.基于實(shí)例推理機(jī)制(CBR)綜述[J].長(zhǎng)春大學(xué)學(xué)報(bào),2006,16(4):68-70.

[3] 吳 鋒.基于AHP和CBR技術(shù)的注射模智能報(bào)價(jià)方法研究[D].杭州:浙江大學(xué),2008.

[4] 胡運(yùn)權(quán),郭耀煌.運(yùn)籌學(xué)教程[M].第3版.北京:清華大學(xué)出版社,2007:422-433.

[5] 陳 珽.決策分析[M].北京:科學(xué)出版社,1987:179-183.

[6] 焦樹(shù)鋒.AHP法中平均隨機(jī)一致性指標(biāo)的算法及MATLAB實(shí)現(xiàn)[J].太原師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,5(4):45-47.

Knowledge retrieval method of gas engineering design projects based on CBR

Zhu Kaimin1Li Jing2

(1.Southwest Municipal Engineering Design and Research Institute of China, Chengdu 610081, China;2.ShenzhenGasGroupCo.,Ltd,Shenzhen518000,China)

Projects knowledge retrieval method is introduced in the aspects of cases representation and similar cases retrieval of gas engineering design projects based on CBR, and AHP is used to determine weights of cases feature attributes, to ensure the knowledge retrieval to be more scientific and effective.

project knowledge retrieval, CBR, AHP, judgment matrix

1009-6825(2016)30-0238-03

2016-08-17

朱凱敏(1986- )，男，工程師，注冊(cè)公用設(shè)備工程師(動(dòng)力)，IPMP(Level C)； 李 靜(1987- )，女，工程師

G257.36

A