基于案例推理的海上搜救决策支持系统的研究.pdf

《基于案例推理的海上搜救决策支持系统的研究.pdf》由会员分享，可在线阅读，更多相关《基于案例推理的海上搜救决策支持系统的研究.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、http:/-1-基于案例推理的海上搜救决策支持系统的研究基于案例推理的海上搜救决策支持系统的研究 赫永霞，孙海宁，张吉平 大连海事大学航海学院，辽宁大连（116026）E-mail： 摘摘 要要：本文在充分了解 CBR 的基础之上提出了基于案例推理的海上搜救决策支持系统的研究，详细叙述了本系统的体系结构及基于案例的推理机制，这将为提高海上搜救应急效率做出一份贡献。关键词：关键词：海上搜救，决策支持系统，基于案例推理 1.引言引言 海难事故往往造成巨大人命财产损失和海洋环境的污染,同时在政治上给国家带来巨大的负面影响。面对发生海上险情特别是重大险情后的复杂危险局面,几乎每个正常人都会表现出一定

2、程度的惊慌和不知所措,此时,依靠海上搜救决策支持系统,可以减少人为因素的干扰,帮助指挥人员及时准确地做出科学的决策。在信息化、网络化的今天,建立海上搜救决策支持系统,应为各级海上搜救中心提高其效能的首选方案。在研究海上搜救决策支持系统时，如果将已经发生的各类海难事故作为海上搜救的案例库，就可以从中寻求解决和处理新问题的经验与方略，是提高决策水平的重要方法。基于案例推理(Case-based reasoning,CBR)是国际人工智能领域的一个研究热点,其方法是从所记忆的以往案例中搜索与当前问题类似的案例,并选择一个或多个与当前问题最相似和相关的案例,通过对所选案例的适当调整和改写,从而获得当前

3、问题求解结果和对这一新案例的存贮以备复用的一种推理模式。CBR 符合人的实际认知心理过程,反映了人类认知过程中根据过去的经验和方法进行推理求解,从失败和成功中进行学习的特征。所以 CBR 适合有丰富的以往经验、大量案例和知识难以表达、因果关系难以把握的领域1。为此,本文试对基于案例库及案例推理技术的海上搜救决策支持系统进行研究。2.体系结构体系结构 传统的决策支持系统是以数据库、模型库和知识库为基础的。根据海上搜救决策的特点,海上搜救决策支持系统增加了案例库,并运用了数据仓库、OLAP 和数据挖掘等新技术。案例库的运用弥补了知识库对知识形式要求过高的不足;数据仓库、OLAP 和数据挖掘技术的运

4、用弥补了数据库学习能力差的缺点,能够不断挖掘系统内部数据,充实和更新库中的内容,使库中的信息知识更完善。所以该系统扩展了对不同层次的数据信息的处理能力,能更好地辅助对各种海难事故进行海上搜救的应急决策。海上搜救决策支持系统的体系结构应如图 1所示。http:/-2-图 1 海上搜救决策支持系统体系结构 2.1 智能人机交互系统智能人机交互系统 智能人机交互系统完成人机交互、问题描述、结果显示和系统总体控制。它能为决策者提供一个友好的交互环境,负责接受用户发出的各种命令,向用户提供系统的运行状态,最后将处理结果输出给用户。而且决策者可以运用人机交互系统,实现控制系统运行、进行模型选择等功能。2.

5、2 案例库系统案例库系统 案例库系统由海上搜救案例库及案例库管理系统组成。海上搜救案例库中存储了各种各样的海上搜救案例,每一个案例都包括有关问题的完整描述、求解方案和实施结果。对于案例的解决方案,既有成功的经验,也有失败的教训,以保证决策者在面对新情况时,能够吸取正反两方面的知识,从而做出合理的判断,进而产生有效的决策。案例库管理系统由案例检索、案例适配和案例管理三个子系统构成。其中案例检索负责解释用户的检索要求,完成对案例的检索;案例适配系统负责对检索到的源案例进行修改,使其能满足当前问题的求解要求;案例管理系统负责对案例库进行增加、删除、修改等操作。2.3 数据库系统数据库系统 数据库系统

6、由数据库及数据库管理系统构成。数据库中存储的是结构化的业务数据,是有关专业领域内最基础的数据信息。数据库管理系统负责管理、维护、存贮和更新各种数据。它的选取必须考虑海上搜救的运行环境特征、数据库容量及相应的处理能力等指标。对系统规模不大、数据保密性不强但要求较快的检索速度以及直接进行库文件操作的系统,可选Foxpro 作为 DBMS。若系统规模大、数据量大且对数据保密性要求高,为保证应急系统速度和可靠性,可选 Oracle、Sybase 等大型、高性能、兼容性和可移植性强也较昂贵的数据库系统。所以本文所述的系统是采用 Oracle 作为 DBMS 的。用户 智能人机交互系统 模型库管理系统模型

7、库 知识库管理系统知识库 决策信息 知识 信息 数据挖掘 OLAP 数据仓库 案例库管理系统 搜救案例库 数据库管理系统 数据库 http:/-3-2.4 模型库系统模型库系统 模型库系统包括模型库、方法库和模型库管理系统,有的系统将方法库作为一个独立的库。其主要功能是建立、存储、查询、修改、删除以及重构本系统的各种模型,完成和数据库接口的转换,并对模型的运行进行控制。模型库中存放各种决策仿真模型,包括定量模型(用数学方程和数学表达式对决策过程的抽象模拟)和定性模型(逻辑上和概念上的模型)。方法是模型求解的算法,两者是多对多的关系。方法库为 DSS 的模型求解提供算法基础和支持,存放各种模型使

8、用的方法,包含常用的数学模型算法和应用程序,主要的方法有线性规划求解方法、非线性规划求解方法、动态规划求解方法、决策论计算方法等。对模型的设计和管理可采用面向对象的方法。2.5 知识库系统知识库系统 知识库系统主要是为海上搜救的决策处理提供专业和常识性知识的支持,由产生式规则组成,包括专家经验和以规则形式表示的有关法规等。知识库中的知识不但可以指导决策者进行决策,而且还可以不断地得到新知识的充实，起到学习的作用。2.6 数据仓库、数据挖掘和联机分析处理数据仓库、数据挖掘和联机分析处理(OLAP)数据仓库、数据挖掘和联机分析处理是近年来发展的热点技术,它们相互结合并应用于DSS,很好地弥补了传统

9、 DSS 自身的不足。数据仓库是核心,OLAP 和数据挖掘是数据仓库的分析工具3。数据仓库对底层的业务数据进行集成、转化和综合,重新组织面向决策主体的全局数据视图,为 DSS 提供数据存储和组织的基础。OLAP 是在全局数据视图上进行多维数据分析,数据挖掘是从数据库、数据仓库和案例库中进行数据挖掘,从中识别和抽取隐含的、潜在的有用信息,用于辅助决策。数据挖掘和联机分析处理所得出的新知识可以立即补充到系统的知识库中。3.基于案例的推理机制基于案例的推理机制 3.1 基于案例推理的工作流程基于案例推理的工作流程 CBR 是通过对过去类似经验的回忆和适配而生成新问题求解策略的一种类比推理方法。它围绕

10、着人类在理解与学习新事物时总是对过去经验回忆这样一个基础上来展开。CBR推理技术求解过程为：问题特征的抽象、描述和输入；相应事例检索；事例的改写和调整；求解方案的评价；新事例的存储。基于案例推理的工作流程如下2:图 2 案例推理工作流程 案例描述 检索 调整 新解 输出 案例库 学习 http:/-4-3.2 案例描述案例描述 案例描述就是将案例描述为计算机系统可以存储和识别的信息。一个典型的海上搜救案例通常包含三个部分:海难事故情景的描述:海难事故发生时要解决的问题及周围环境;海上搜救方案:对海难事故的解决方案;结果:执行方案后导致的结果。案例有多种表示方式,如语义网络、框架、决策树、原形、

11、神经网络和面向对象技术等。案例的表示应能比较全面的表示出问题求解所需要的各类知识,并且有良好的模块化结构,便于案例库的维护。因此,我们采用面向对象基于框架的方法表示案例,见表 1。表 1 案例的框架结构 案例：=实际案例模版：=属性列表，解决方案，子案例列表，实际案例列表；属性列表：=属性 1，属性 2，属性 3；属 性：=数 值，文 字，符 号 或 其 他 类 型 的 值；解决方案：=包含子案例标志的顺序、判断、循环和并发结构的结构化表述；子案例列表：=子案例 1，子案例 2，子案例 3；子案例：=实际案例指针；实际案例列表：=实际案例指针 1，实际案例指针 2，实际案例指针 3；实际案例：

12、=案例指针，属性列表，解决过程，评价，子案例列表；解决过程：=使用属性或不使用属性的结构化文字描述；案例指针：=本案例所使用的案例的唯一标志；评价：=文字描述，评分；评分：=量化的分数或可量化等级描述。该方法将事实性知识、常识性知识、经验性知识、控制性知识和过程性知识封装在相对独立的案例对象中,层次清晰,构造灵活,适应性强,有利于案例库的组织、管理和维护。3.3 案例索引案例索引 案例索引是为了更好地进行案例检索,采用什么样的索引机制组织案例库,在检索时就要采用相应的检索策略来寻找相似案例。例如,将案例库组织成树形结构,那么相应的搜索方法应采用树的搜索方法;如果案例库是线性排列的,就只能采用线

13、性查找来完成检索任务。索引的目标是:在对已有案例库进行索引后,当给定一个新的案例时,如果案例库中有与该案例相关的案例,则可以根据索引找到那些相关的案例。从索引级别上可分为单级和多极索引。单级索引比较简单,适用于案例库中案例不太多的情况,可按某个属性的取值进行索引。多极索引技术适用于案例库中案例数较多的情况,我们采用聚类分析方法来为案例库建立多极索引。设整个案例库中有 N 个案例,Casebase=,首先对所有的案例进行聚类分析(即把相似的案例按某种方法先进行归类),得到 M 类抽象案例,AbstractCasebase=,其中 MN。这 M 类抽象案例作为第一级索引,每类抽象案例中又含有多个具

14、体案例,Acasei=,S 为第 i 类抽象案例中所含具体案例的数量。这些具体案例再按照案例的某项属性的取值进行索引形成第二级索引,依此类推,建立多极索引技术。这样组织的好处是当进行案例检索时,可以先在第一层中找到最相近的http:/-5-典型案例,然后到该典型案例所对应的子案例中进行进一步的检索。这样可以避免对案例库中的所有案例都进行比较,大大减少了子案例的检索范围,同时很大程度地提高了检索效率。3.4 案例检索案例检索 案例检索的目标是尽快找到与问题描述最相似的案例。常用的案例检索算法有最近相邻策略、归纳推理策略、知识导引策略和模版检索策略等,但它们比较适用于确定性属性的问题,对于突发事件

15、中经常出现的不完全信息和不确定信息却不太适用。所以需在传统检索方法的基础上加以扩充,以适应不确定性匹配的需要。这是因为对新情况理解不充分,难以决 定所有的特征属性。若只选择确定属性进行匹配,可能会漏掉重要的属性,以至检索的效果难以满足要求。针对这个问题,该系统采用动态检索匹配机制:先以现有的相关案例作指导,确定可能重要的特征属性,反馈到当前情况,再重新进行案例检索。在案例检索中,不仅使用表面特征的相似性,而且使用结构相似性和深层特征信息的相似性。3.5 案例调整案例调整 检索出的源案例知识案例库中与当前问题相似的案例,两者之间多少会有一定的差别,难以完全匹配。因此要通过适应性调整,即调整源案例

16、的求解方案,使之适用于当前问题的求解要求,得到当前问题的解决方案。当源案例与当前问题足够接近、源方案能够满足当前问题的求解要求时,可以不进行调整,直接用检索到的源方案作为当前问题的解决方案。然而多数情况下,尤其在系统经验不够丰富时,源方案并不能完全满足当前问题的求解要求,需要对案例进行调整。常采用转化型调整策略和参数调整,它的基本思想是比较检索到的案例与新问题所关心的属性之间的差别,从而将其方案向合适的方向调整。调整一般有这样几种形式:在旧解中增加新的内容;从旧解中删去某些内容;对旧解中的某些内容进行替换;对旧解中的某些部分进行重新变换。3.6 案例学习案例学习 基于案例推理的系统的优点在于其

17、自动的学习能力,即系统在运行过程中能够不断地把新问题及其解决方案作为新的案例加入到案例库,丰富系统的“经验”。当然,并不是所有的新案例都可以不加选择的加入到案例库中,那样的话,案例的质量会降低,而且案 例的推理效率会下降。设源案例库 U=(X1,X2,?,Xi,?,Xm),i1,m,Xi 为源案例,目标案例Y 与Xi 的相似度为i0,1,为专家定义的一个阀值,案例的学习策略有以下几种情况:i0，i1,m,新案例与案例库中的所有案例都不匹配，这时新案例可以加入到案例库中。i ，i1,m，新案例与源案例完全相似，则新案例不加入到案例库中。(3)i,i1,m,把具有 max(i)的源案例的解决方案改

18、写为新案例的解决方案。4 结束语结束语 海上搜救决策支持系统在辅助人们对海难事故进行应急决策时,有重要的应用价值。本文结合CBR 和决策支持系统,构建了基于CBR的海上搜救决策支持系统,这对提高海难事http:/-6-故的应急决策能力、增强在海上搜救中的组织抢险和快速反应具有重要的意义。参考文献参考文献 1李雄飞,李军.数据挖掘与知识发现.北京:高等教育出版社,2003 2张建华,刘仲英.案例推理和规则推理结合的紧急预案信息系统J.同济大学学报(自然科学版),2002,30(7):890-89 3于永玲,史瑞芬.数据仓库在决策支持系统中的应用J.郑州航空工业管理学院学报(社会科学版),2001

19、,20(3):78-80 Research on rescue on the sea decision support system case-based reasoning He Yongxia，Sun Haining，Zhang Jiping DALIAN Maritime University Navigation College，Dalian，Liaoning（116026）Abstract In this paper,based on plenitude understanding CBR and put forward a research on rescue on the sea decision support system case-based reasoning.Go into particulars this system structure and case-based reasoning mechanism.This will make a good job on improving efficiency of rescue on the sea.Keywords：Rescue on the sea，decision support system，case-based reasoning