陳旭琳，趙相福，褚 鵬，陳中育

(浙江師范大學(xué) 數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院，浙江 金華 321004)

0 引 言

隨著科技的發(fā)展，各行各業(yè)的系統(tǒng)越來越復(fù)雜精密，傳統(tǒng)的專家系統(tǒng)診斷方法已越來越難以高效應(yīng)對[1]。為了適應(yīng)系統(tǒng)規(guī)模不斷擴(kuò)大的現(xiàn)狀，避免分析耗時(shí)過長等問題[2]，排除專家診斷的主觀干擾因素，人們提出基于模型的診斷[3]。通常，基于模型的診斷分為沖突識別[4]和候選產(chǎn)生[5]兩步：第一步?jīng)_突識別是對比預(yù)期行為和觀測結(jié)果得到極小沖突集[6]，而后的第二步候選產(chǎn)生是根據(jù)已知的沖突集簇求出系統(tǒng)的極小碰集[7]。由Reiter所著故障診斷領(lǐng)域的經(jīng)典論文可知，這些極小碰集是可能導(dǎo)致系統(tǒng)故障的原因，即系統(tǒng)的候選診斷[8]。顯然，為了提高求解候選診斷的效率，必須提高求解全體極小碰集的效率[9]。本文研究在已知沖突集簇時(shí)求解極小碰集的算法。

求解極小碰集被證明是NP-hard問題[10]，眾多研究人員對極小碰集算法進(jìn)行全面的研究和深入的改進(jìn)[11]，目前已經(jīng)存在許多算法，包括HS-Tree算法、HST-Tree算法、CSSE-Tree算法、蛛網(wǎng)算法、CHS-Tree算法等。這些算法存在各自的優(yōu)缺點(diǎn)和特定的適用范圍，主要缺點(diǎn)集中體現(xiàn)在幾個(gè)方面：需要建立樹或圖，缺乏明顯的規(guī)律，數(shù)據(jù)結(jié)構(gòu)及算法的實(shí)現(xiàn)較繁瑣；需要進(jìn)行剪枝，而剪枝過程可能會丟失正確解；用基于樹結(jié)構(gòu)的算法，一般均需要首先建立樹，再由樹經(jīng)過較復(fù)雜的遞歸計(jì)算才能產(chǎn)生碰集。

本文針對上述求解極小碰集算法的缺點(diǎn)，提出一種基于矩陣運(yùn)算求解極小碰集的方法，這種算法直接通過矩陣乘法運(yùn)算求解，即將碰集求解的問題轉(zhuǎn)化為矩陣的乘法運(yùn)算問題。算法的主要優(yōu)點(diǎn)是：該算法不需要建立樹或圖，數(shù)據(jù)結(jié)構(gòu)非常簡單，易于程序?qū)崿F(xiàn)；該算法不需要進(jìn)行剪枝，因而不會因剪枝而丟失正確解；該算法思路和流程相對簡潔清晰；矩陣的性質(zhì)保證結(jié)果的正確性；不需要將沖突集簡化為極小沖突集，直接使用沖突集求解；某些情況下算法的求解效率較高。

1 預(yù)備知識

以下系統(tǒng)性介紹一些基于模型診斷的相關(guān)概念和基礎(chǔ)定理。

定義1 一個(gè)系統(tǒng)定義為一個(gè)三元組 (SD,COMPS,OBS)， 其中：

(1)SD是系統(tǒng)描述，是一階謂詞公式的集合，包含診斷中的主要信息；

(2)COMPS是系統(tǒng)中組成部件的集合，一般用有限常量集 {c1,c2,…,cn} 表示；

(3)OBS是系統(tǒng)觀測值的集合，是用一階謂詞公式表示的有限集合。

在待診斷的設(shè)備中，使用一元謂詞AB(·)表示“abnormal”(反常)，即系統(tǒng)實(shí)際的行為與系統(tǒng)預(yù)期的行為不相同。另外，如果系統(tǒng)部件發(fā)生故障，但實(shí)際輸出與預(yù)期輸出相一致，則仍認(rèn)為不是“反?！?。AB(c)為真時(shí)，當(dāng)且僅當(dāng)c反常，其中c∈COMPS。

定義2 沖突集(CS)也稱為沖突部件集，是一個(gè)部件集 {c1,c2,…,cn}?COMPS， 使得SD∪OBS∪{～AB(c1),～AB(c2),…,～AB(cn)} 不一致。當(dāng)沖突集的任意真子集都不是沖突集時(shí)，該沖突集被稱為極小沖突集(MCS)。

定義4 若集合S1和S2滿足S2?S1， 則稱S1為S2的真超集。

下面通過例1對上述概念進(jìn)行說明。

例1：假設(shè)一個(gè)系統(tǒng)的沖突集簇F={{1,2},{1,3},{1,2,3},{1,4},{2,4}}， 包含系統(tǒng)部件1、2、3、4，{1}、{2}、{1,4}、{1,3,4}、{2,3,4}是該集合簇的部分候選解，其中，{1,4}、{1,3,4}和{2,3,4}是碰集，并且只有{1,4}、{2,3,4}是極小碰集。由于集合{1,3,4}為集合{1,4}的真超集，因而集合{1,3,4}不是極小碰集。

2 矩陣計(jì)算極小碰集

2.1 算法描述

下面對使用矩陣求解極小碰集的算法進(jìn)行簡述，算法步驟如下：

步驟1 將沖突集簇以某種轉(zhuǎn)換規(guī)則轉(zhuǎn)換為矩陣A。

集合與矩陣轉(zhuǎn)換規(guī)則1規(guī)定如下：定義m×n參數(shù)矩陣，其中m為沖突集合簇中包含沖突集的個(gè)數(shù)，n為沖突集合簇中包含系統(tǒng)部件的個(gè)數(shù)。矩陣中第i行第j列的值aij表示第i個(gè)沖突集是否包含第j個(gè)系統(tǒng)部件，若是則值為1，否則為0。

步驟2 統(tǒng)計(jì)沖突集簇中系統(tǒng)部件的個(gè)數(shù)，根據(jù)系統(tǒng)部件的個(gè)數(shù)枚舉出系統(tǒng)部件的所有可能的組合，即所有候選解。一般而言，將所有候選解按照部件編號從小到大，部件個(gè)數(shù)從少到多有序排列。將所有候選解按照指定規(guī)則轉(zhuǎn)換為矩陣B。

集合與矩陣轉(zhuǎn)換規(guī)則2規(guī)定如下：定義n×v參數(shù)矩陣，其中n為沖突集合簇中包含系統(tǒng)部件的個(gè)數(shù)，v為候選解的個(gè)數(shù)。矩陣中第x行第y列的值bxy表示第y個(gè)候選解中是否包含第x個(gè)系統(tǒng)部件，若是則值為1，否則為0。

步驟3 將矩陣A與矩陣B相乘得到m×v的參數(shù)矩陣C，即C=A×B。 矩陣C中第y列全為非0時(shí)，矩陣B中第y列對應(yīng)的候選解為碰集。

步驟4 得到所有碰集后，刪除其中的真超集，即可得到極小碰集。

2.2 算法驗(yàn)證

(1)充分性

aikbky=1時(shí)，當(dāng)且僅當(dāng)aik=1，bky=1， 即第i個(gè)沖突集中有第k個(gè)系統(tǒng)部件，第y個(gè)候選解中也有第k個(gè)系統(tǒng)部件。所以，第i個(gè)沖突集和第y個(gè)候選解有交集。

由碰集的定義可知，第y個(gè)候選解一定是一個(gè)碰集。充分性得證。

(2)必要性

設(shè)第y個(gè)候選解是一個(gè)碰集。

按照算法2.1，一定會有候選解符合要求，即碰集可以由算法2.1得到。必要性得證。

(3)正確性

算法的正確性體現(xiàn)在兩個(gè)方面。

一方面，輸入與輸出之間的關(guān)系是正確的。輸入數(shù)據(jù)是沖突集簇，沖突集簇轉(zhuǎn)化為矩陣A，并根據(jù)其中部件個(gè)數(shù)生成矩陣B，其對應(yīng)所有候選解。通過矩陣乘法運(yùn)算，可以求出矩陣B中符合碰集條件的列，也就是從候選解中找出碰集，去超集之后就能輸出所有極小碰集。

2.3 復(fù)雜度分析

假設(shè)該算法的總運(yùn)行時(shí)間為T，主要與矩陣乘法運(yùn)算的時(shí)間相關(guān)。在矩陣相乘得到矩陣C的過程中，求得矩陣C的每一個(gè)數(shù)值需要循環(huán)n次，時(shí)間復(fù)雜度為O(n)。每列包含m個(gè)數(shù)值，為了得到整列數(shù)值需要循環(huán)m次，時(shí)間復(fù)雜度為O(nm)。矩陣C有2n-1列，為了得到整個(gè)矩陣的數(shù)值需要循環(huán)2n-1次，時(shí)間復(fù)雜度為O(mn2n)。由于T≈O(mn2n)， 所以該算法的時(shí)間復(fù)雜度約為O(2n)。由于需要存儲所有候選解，空間復(fù)雜度取決于候選解的個(gè)數(shù)。枚舉得到候選解的個(gè)數(shù)為2n-1，算法的空間復(fù)雜度也為O(2n)。

3 實(shí)例執(zhí)行

根據(jù)上述提出的基于矩陣求解極小碰集的算法和過程，舉例分析如下：

例2：仍然考慮例1中的沖突集簇F={{1,2},{1,3},{1,2,3},{1,4},{2,4}}， 使用矩陣方法求解所有極小碰集具體步驟如下：

步驟1 沖突集簇包含5個(gè)沖突集，4個(gè)系統(tǒng)部件，構(gòu)造5×4參數(shù)矩陣。第1個(gè)沖突集{1,2}包含第1個(gè)、第2個(gè)系統(tǒng)部件，所以矩陣中第1行的第1列和第2列(即a11和a12)為1；不包含第3個(gè)、第4個(gè)系統(tǒng)部件，所以第3列和第4列(即a13和a14)為0。同理，根據(jù)其它沖突集可以得到矩陣中其它數(shù)據(jù)，最終得到矩陣A如下

步驟2 沖突集簇中系統(tǒng)部件的數(shù)量為4，由4個(gè)部件可以枚舉出15種組合，構(gòu)造4×15參數(shù)矩陣。候選解有{1}、{2}、{1,2}、{3}、{1,3}、{2,3}、{1,2,3}、…、{1,2,3,4}。第1個(gè)候選解{1}包含第1個(gè)系統(tǒng)部件，不包含第2個(gè)、第3個(gè)、第4個(gè)系統(tǒng)部件，所以矩陣中第1列的第1行(即b11)為1，其它(即b21、b31和b41)全為0。同理，根據(jù)其它候選解可以得到矩陣中其它數(shù)據(jù)，最終得到矩陣B如下

步驟3 將上述兩個(gè)矩陣相乘，得到一個(gè)5×15的新矩陣C

矩陣C中第3、7、9、11、13、14、15列的值全為非0，所以矩陣B中第3、7、9、11、13、14、15列對應(yīng)的候選解為碰集

步驟4 矩陣B中第3列的第1行、第2行為1，第3行、第4行為0，所以第3個(gè)候選解包含第1個(gè)、第2個(gè)系統(tǒng)部件，不包含第3個(gè)、第4個(gè)系統(tǒng)部件，對應(yīng)的集合為{1,2}。同理，矩陣B中第7、9、11、13、14、15列對應(yīng)的集合為{1,2,3}、{1,4}、{1,2,4}、{1,3,4}、{2,3,4}、{1,2,3,4}，即碰集有{1,2}、{1,2,3}、{1,4}、{1,2,4}、{1,3,4}、{2,3,4}、{1,2,3,4}，去真超集得到極小碰集{1,2}、{1,4}、{2,3,4}。所以，{1,2}、{1,4}、{2,3,4}就是沖突集簇F的極小碰集，也就是系統(tǒng)的最小診斷解。

4 比較分析

為了分析算法求解效率，本節(jié)將基于矩陣求解極小碰集的算法與主流的樹形結(jié)構(gòu)算法進(jìn)行比較，包括CSSE-Tree算法、HST-Tree算法。這里設(shè)置沖突集簇?cái)?shù)據(jù)如下： {1,1+k}， {2,2+k}， {3,3+k}，…，{k,2k}。 其中，k表示沖突集簇中包含的集合個(gè)數(shù)。每一組數(shù)據(jù)測試10次，將平均值作為最后結(jié)果。運(yùn)行環(huán)境為Windows10操作系統(tǒng)(Intel(R) Core(TM) i5-3427U CPU@1.80 GHz 2.30 GHz，4 GB內(nèi)存)，使用Microsoft Visual C++6.0編程，運(yùn)行結(jié)果見表1和圖1。

表1 CSSE-Tree、HST-Tree和矩陣算法運(yùn)行時(shí)間對比/ms

圖1 CSSE-Tree、HST-Tree和矩陣算法運(yùn)行時(shí)間對比

比較表1和圖1中的數(shù)據(jù)，可以得出結(jié)論：①相對于這幾種樹形結(jié)構(gòu)算法，本文提出的基于矩陣運(yùn)算求解極小碰集的方法運(yùn)行效率較好，具有一定優(yōu)勢；②當(dāng)沖突集簇的集合個(gè)數(shù)k較小時(shí)，基于矩陣運(yùn)算的方法沒有優(yōu)勢，幾種算法的運(yùn)行時(shí)間相近。當(dāng)集合個(gè)數(shù)k增加時(shí)，基于矩陣運(yùn)算的方法時(shí)間長勢最為平緩，運(yùn)行時(shí)間不會隨著沖突集簇中集合個(gè)數(shù)的增加而急速增長，因此，該算法更具有適用性；③基于矩陣運(yùn)算的方法能求出所有極小碰集，不會丟失正確解。

通過分析算法運(yùn)行結(jié)果，可以得出如下結(jié)論：①基于矩陣運(yùn)算的極小碰集求解方法不需要生成結(jié)點(diǎn)和建立樹形結(jié)構(gòu)，數(shù)據(jù)結(jié)構(gòu)簡單，只需要數(shù)組就可以編程實(shí)現(xiàn)；②該算法計(jì)算過程較為簡單，不需要遞歸調(diào)用，只需要進(jìn)行簡單的數(shù)學(xué)計(jì)算，運(yùn)算速度較快；③該算法考慮所有可能解，并且不需要進(jìn)行剪枝，因此不會丟失任何極小碰集；④當(dāng)沖突集簇中的集合個(gè)數(shù)較多時(shí)，基于矩陣運(yùn)算的方法具有比較明顯的優(yōu)勢；⑤使用該算法求解極小碰集時(shí)，求解效率與沖突集的排列順序無關(guān)，對于一個(gè)沖突集簇，無論沖突集排列順序如何變化，算法運(yùn)行時(shí)間不受影響。

綜上所述，相較于CSSE-Tree、HST-Tree等算法，基于矩陣求解極小碰集的算法具有較好的效率，更適合應(yīng)用于實(shí)際的故障診斷問題中。在給定特殊沖突集簇，比如沖突集簇的集合個(gè)數(shù)較多時(shí)，基于矩陣求解的運(yùn)行效率明顯高于其它算法。

5 結(jié)束語

自極小碰集問題提出至今，國內(nèi)外大量專家學(xué)者投身于該問題的研究中，并且獲得了豐碩的成果。本文提出一種全新的算法，基于矩陣運(yùn)算求解極小碰集。該算法將集合簇以一種轉(zhuǎn)換規(guī)則轉(zhuǎn)換為矩陣，通過數(shù)學(xué)計(jì)算在矩陣中體現(xiàn)碰集的特性，從而求出所有極小碰集。與傳統(tǒng)方法相比，該算法易于理解且編程簡單，無需構(gòu)造樹，實(shí)現(xiàn)環(huán)境要求低，在大部分開發(fā)平臺上都可實(shí)現(xiàn)，具有較高的求解效率，在某些情況下具有突出優(yōu)勢。通過矩陣運(yùn)算排除碰集中的真超集，直接得到所有極小碰集，是未來進(jìn)一步研究工作。