基于仿真和案例推理技术的智能决策支持系统研究

1基于仿真和案例推理技术的智能决策支持系统研究周明(宝钢技术中心自动化研究所)摘要：简述了智能决策支持系统的发展过程，提出了一种基于仿真和案例推理的综合智能决策系统的应用框架，并从应用的角度对该系统框架中的关键技术数据挖掘、仿真和案例推理技术进行了阐述。以钢铁企业中铁水运输调度为背景说明了该决策系统的应用前景，该结构组成的系统具有良好的扩展性、适应性及快速响应能力。关键词：数据仓库数据挖掘仿真案例推理智能决策StudyonIntelligentDecisionSupportSystemBasedonSimulationandCase-basedReasoningZhouMing(BaosteelTechnologyCentre,Shanghai.201900)Abstract：Thispaperbrieflyintroducesthedevelopmentprocessofintelligentdecisionsupportsystem(IDSS),anewstructureofIDSSbasedonsimulationandcase-basedreasoning(CBR)ispresented,somerelevanttechniquessuchasdataminingandsimulationandCBRusedindevelopingIDSSarediscussedontheapplicationviewpoint.ApplicationprospectoftheproposedIDSSisdescribedbyanexampleintheschedulingofmoltenirontransportation,theproposedIDSSishighlyexpansiveandadaptiveandquicklyresponsive.Keywords：datawarehouse;datamining;simulation;case-basedreasoning;intelligentdecision0引言随着科学技术的发展和社会的进步，以及用户需求不断增加的推动，决策支持系统在实际应用中不断完善和发展。决策支持系统(DSS)是70年代由美国M．S．ScottMorton提出，在管理信息系统(MIS)和运筹学(OR)的基础上发展起来的，MIS是利用数据库技术实现各级管理者的管理业务，在计算机上进行各种事务处理工作，而DSS实现模型库与数据库的有机结合，为各级管理者提供更高层次的辅助决策能力[1]。DSS是一门新的交叉学科，它融计算机技术、用户问题处理与人机交互系统模型库管理系统数据库管理系统专家系统知识库推理机管理系统模型信息技术、人工智能、管理学、决策学、心理学、行为学等学科与技术为一体，这些相关学科和技模型库知识库数据库术的快速发展，为DSS提供了广阔的发展前景。80年代末90年代初，随着人工智能的迅速发展，人工智能的知识表示和知识推理技术被引入到DSS，形成了智能决策支持系统(IDSS)。常规的IDSS是将DSS与专家系统（ES）有机地结合起来，专家系统侧重于定性分析，利用专家知识进行推理达到专家解决问题的能力，它和以定量分析辅助决策的决策支持系统结合，进一步提高了辅助决策能力。图1常规智能决策支持系统的结构图常规IDSS的结构如图1，由人机交互系统、数据库系统、模型库系统、专家系统组成，专家模系统主要由知识库、推理机和知识库管理系统构成。它把定量分析与定性分析有机地结合起来，大大提高了决策支持系统解决问题的能力和范围[1]。但是这样的系统在实际使用和开发中，存在一些问题和困难：知识获取困难、运行速度慢、系统开发时间长、适应性差，这些困难限制了常规智能决策支持系统在复杂的大型系统中作用的2发挥。1相关技术1.1数据仓库技术和数据挖掘技术[2][3]随着计算机技术和数据应用的发展，数据仓库技术应运而生，在此基础上，产生了数据挖掘技术和在线数据分析(OLAP)技术，数据挖掘技术是从数据库、数据仓库中挖掘有用的知识，其知识的形式有产生式规则、决策树、数据集、公式等。数据仓库是面向主题的、集成的、稳定的、不同时间数据的集合，用于支持经营管理中决策制定过程。从目前形势看，数据仓库已成为信息社会中获得企业竞争优势的又一关键技术，它为数据挖掘、OLAP提供了条件，它解决了信息技术在发展中拥大量数据，而信息贫乏的这种不正常现象的综合解决方案。在实际应用中的难点是相关数据的对应与勾连，数据勾连的误差会直接影响数据挖掘的精度以及结果的正确性，从而影响决策的效果，它是综合智能决策支持系统中最基础的工作。数据挖掘是人类发现有用知识的整个过程，其过程可以分为确定目标、数据准备、数据挖掘、结果表达和评价。数据挖掘技术在应用中的关键在于数据准备(样本选取，预处理、数据转换)，此项工作要花费大量的时间，样本选取的不同、预处理方法不一样等，都对挖掘的结果有至关重要的影响。如果能把用户专家经验和知识结合起来实行定向挖掘，可以减少许多时间，减少盲目性，使工作更有成效。数据挖掘过程是一个循环往复的过程，挖掘出来的结果要经过验证或专家评价，根据评价结果对样本重新进行选取、或调整挖掘算法，重新进行挖掘直到得到较为满意的结果为止。数据挖掘可以对模型中的一些关键参数进行确定和优化，同时也可以把挖掘出的一些知识加入知识库。它是知识获取的重要手段之一，这些知识和信息来源于系统内部，不同于常规智能决策支持系统的知识和模型是来源于外部，两者的有机结合可以进一步提高辅助决策的效果。1.2案例推理技术(CBR)人们要解决一个问题，一般的思维过程总是从大量的记忆和知识中，回忆与当前问题相类似的处理方式，然后根据两者是差异，进行适当修改来解决当前问题，这样人的经验不断得到积累和完善。CBR技术正是模仿人类这一认知过程和思维方式，它克服了传统专家系统中在知识的获取和推理等方面的不足，有助于解决没有有效算法时所面临的问题，主要适用于有丰富经验的应用领域，与其它方法结合可以解决组合优化问题、大型复杂的组合优化问题属于NP完全问题，传统的算法解决这类问题存在计算量大、搜索困难等问题。CBR的最大优点是具有很强的扩充性和自适应性、以及求解快，因为解决问题只需从相似解决方案开始推理，不必从头开始，能快速解决问题，满足用户对时间的要求，也便于用户对解决方案的理解和干预，因此CBR在工程应用领域越来越受到人们的关注。如在制造业可用于生产调度、设备故障诊断等都有比较广阔的应用前景。CBR一般有案例检索与匹配、修正、评价、保留等过程。(1)案例的表示。案例表示方法有很多，如框架、记忆网等。一个典型的案例一般包含3方面信息：问题的初始状态，问题求解的目标，达到该目标的解决方案。(2)案例的检索与匹配。这是CBR中较为关键的技术，它关系到求解问题的时间以及解决方案的可用性。案例的相似性匹配方法有许多种，如决策树、粗糙集、神经网络、证据理论、聚类分析、相似度等。在实际应用中一般采用以下几种方法：①邻近法即加权距离检索方法[4]，根据表示案例的各特征属性值按一定的权值进行求和来计算两案例的相似度。其中各特征属性的权值的确定影响到匹配的效果。权值的确定可以通过专家指定或某种学习机制获得，也可以从实际数据中采用数据挖掘的方法获取；②归纳检索法[5]，对案例的各种特征属性进行归纳和提取，然后按一定的层次组织起来，采用判别树的方式检索。(3)案例的修改。一般情况下，检索出的案例难以完全匹配，往往需要进行调整。可以根据知识库来进行修改，或模型库的模型计算修改，或通过多库协调器来综合知识库、模型库提供的信息来进行修改。(4)案例的评价与保留。对于所获得的解进行评价，如果满意，则以一定策略加入到案例库中，否则分析失败原因，根据需要重新进行案例检索与匹配。使用CBR技术的前提条件是案例库具有一3定的完备性，即案例库中要有相当数量的案例，并且这些案例有一定的代表性，因此获取案例是使用CBR技术的重要环节之一。1.3计算机仿真技术计算机仿真是以相似原理、信息技术和系统技术及应用领域为基础，以计算机为工具，利用系统模型对实际或设想的系统进行动态试验研究的一门多学科综合的技术性学科。仿真技术具有安全可靠、无破坏性、可反复使用、且不受时空限制等特点，在交通运输、航空航天、军事、计算机网络通讯、制造业等诸多领域有着广泛的应用[6]。专家知识初始条件准备建立一个与实际系统相对应的虚拟系统，可以为案例库提供支撑作用。对于实际的生产系统，尽管能收集大量的数据，但这些数据可能是一些重复的信息，能提取的案例的覆盖面有限，而一些紧急事故则出现的次数比较少，并且其处理方法不一定能作为案例，事故的处理往往处于被动状态，另外，如果生产系统发生一些变化如产品结构调整、产能扩大时，不能及时获取案例，在一定程度上限制了CBR技术的发挥。利用计算机仿真系统则可以从三个方面来补充和完善案例库，对实际生产和运行中的方案进行仿真运行，验证和评估原有方案；对于可能发生的事故进行仿真，提出紧急事故处理预案，这样可以从容面对可能发生的一切；对于目前实际系统中没有发生的，但将来可能要生产的其它情况可以进行仿真，提实例仿真系统综合评价仿真结果预案其它性能指标调整方案是满意否否案例库出相应的处理方案，提高案例库的完备性。因此通过仿真可以扩充案例的来源以及提高案例的可利用性。这样大大提高了CBR技术的使用范围和有效性。利用计算机仿真系统获取案例的过程如图2，对于仿真结果要在专家知识的指导下进行综合评价，如果满意则存入案例库，如果不满意图2利用仿真获取案例的过程基于仿真以上的特点，利用计算机仿真技术则进行相应的调整，然后重新进行仿真和评价。用人机交户互系统问题描述匹配算法案例检索人工干预案例修正否问题解满意否是结果输出多库协调器案例库模型库知识库决策信息仿真系统数据挖掘专家知识OLAP数据库数据仓库图3基于仿真和案例推理技术的智能决策支持系统结构图42基于仿真和案例推理的智能决策支持系统的应用框架随着经济的发展，社会的进步，竞争的日益激烈，对于一个企业要立于不败之地，进行科学决策显得越来越重要，需要决策的问题也越来越复杂，建立一套完善实用的综合智能决策支持系统尤为迫切。另一方面，计算机技术和人工智能技术的发展为它提供了实现的可能性。近年来，尽管智能决策支持系统的研究取得了长足的进步，但是智能决策支持系统在实用化方面如知识的获取、快速响应能力以及适应性等方面还存在突出的问题。为了使智能决策支持系统更加完善，从前面的分析可以看出除了要运用模型技术、数据仓库技术、数据挖掘技术、OLAP技术外，还必须与仿真技术和案例推理技术相结合(见图3)。数据库与模型库结合以及OLAP可以满足用户的日常管理及常规决策。数据挖掘和仿真系统主要用于模型库、知识库、案例库的完善和补充，通过仿真技术可以验证专家知识，以及补充实际生产中没有的经验，同时便于系统的推广使用。知识的表示和推理运用案例推理(CBR)的思想，与其它人工智能方法相结合，便于解决一些复杂的NP问题，提高解决问题的速度，满足用户的快速反应的要求，同时这也符合人的思维模式，有利于人工干预和理解，可以充分发挥智能决策支持系统的辅助决策作用。因此把数据库、数据仓库、模型库、知识库、OLAP、数据挖掘、案例推理技术、仿真技术结合起来形成的综合智能决策支持系统(IDSS)，将相互补充、相互依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。3在铁水运输调度系统中的应用下面以钢铁企业中铁水运输调度系统来说明基于仿真和CBR技术的智能决策支持系统的应用前景。铁水运输是大型钢铁企业中一个重要的物流环节之一，在大型钢铁企业中，一般由多座高炉向多座炼钢厂运送铁水，而且途中要经过多个工位点如铁水预处理、扒渣、倒罐站、脱硫等。运输铁水的机车和鱼雷罐车往往也有十多台，这个调度问题是一个典型的NP问题。一般情况下采用人工调度的方法，有的企业采用的是建立机车调度指令库的方法，但由于这个问题的组合情况实在太多，情形非常复杂，指令库的条件难以完全与实际状况