CN102270190A - 一种复杂决策问题的计算机建模与求解处理方法 - Google Patents

Abstract

本发明涉及一种复杂决策问题的计算机建模与求解处理方法，包括以下步骤：1)基于问题理解的智能人机交互智能体预处理；2)智能建模；3)复杂问题求解处理。与现有技术相比，本发明具有对问题变化的动态适应能力强，且能实时优化等优点。

Description

一种复杂决策问题的计算机建模与求解处理方法

技术领域

本发明涉及一种建模和求解方法，尤其是涉及一种复杂决策问题的计算机建模与求解处理方法。

背景技术

决策是现代企业经营管理过程中经常发生的一种活动，如何有效地运用和管理企业知识，支持企业的复杂决策活动，及时准确地解决问题，已成为企业生死攸关的事情。将计算机科学与信息技术引入决策科学的研究，并首次提出决策支持***(Decision Support System，简称DSS)这一概念的是A.Gorry和M.S.S.Morton在20世纪70年代所著的一篇经典论文“A Framework for Information SystemDesign”中，从此，对于计算机如何辅助人类决策行为的研究就成为了全球多个领域的学者们研究的热点问题。

目前在复杂问题的建模和求解的多数相关研究中，其方法思路通常是沿着：专家理解企业复杂问题→专家抽象出问题的数学模型→专家依据数学模型编制或调用求解软件→运行软件求解问题这样一种思路进行的。这一思路过分依赖于人类专家对于管理决策问题的理解与建模能力，它一方面使问题的处理范围仅限于专家所建立的数学模型与编制的求解软件之中，严重缺乏针对问题变化而进行相应处理的动态适应能力，另一方面，又使得计算机的性能优势得不到有效发挥，计算机对于问题理解与建模的支持程度极其有限，因此，当问题一旦超出了专家的模型与软件所能胜任的处理范围，就必须由专家重新认识决策问题的特点、重新建模、重新求解，决策问题的实时处理根本无法实现。因此，这一思路下的成果仅仅对于问题条件比较稳定、用户能够准确预料，且有较为充足求解时间的管理决策问题是比较有效的。

在目前管理决策问题的应用环境中，随着电子信息与网络通讯技术的突飞猛进，人们的商务交易活动不再受地域、时间的限制，零散且小规模的商务活动大量存在，它们难以形成有规律的、集中的企业商务管理活动，导致企业管理决策问题的条件不稳定、不可测、甚至瞬息万变，这种变化往往会超出单一数学模型或计算机软件所能够处理的范围；并且在多数情况下，不仅企业的顾客经常会要求企业对“未来服务能力或未来服务时间”给出立即答复，而且企业决策者本身也需要对管理决策问题做以实时调控，以保障企业计划的顺利实施。总之，多方面的原因将迫使决策者必须对问题变化的每一状态进行即时处理，这时，无论是多么熟练的建模专家，或是多么高效的工作方式，不改变过分依赖专家解决问题的处理思路，不将问题的建模工作交由计算机来完成，决策问题的实时处理就难以实现。

复杂决策问题所处的环境或条件是时时刻刻都在发生变化，当这种变化超过一定的范围，就形成了另一个问题。对于最新出现的新问题，如何快速及时地获得最优决策方案去控制问题的进程，这是处理动态决策问题的关键环节。为此，本发明首次提出了机器辅助人类完成问题的自然语言理解，并对机器所理解的问题进行智能化建模，最终获取人类所需要的精确解。本发明不仅在复杂决策问题的实时优化领域将发挥重要作用，如生产过程的优化控制与调度、电子商务物流配送的实时优化调度等，而且还可以应用于投资决策及人力物力等资源的优化配置问题、计划与规划问题、生产存储问题等等，并在CIMS、FMS中也有较广阔的应用前景。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种对问题变化的动态适应能力强，且能实时优化的复杂决策问题的计算机建模与求解处理方法。

本发明的目的可以通过以下技术方案来实现：

一种复杂决策问题的计算机建模与求解处理方法，其特征在于，包括以下步骤：

1)基于问题理解的智能人机交互智能体预处理；

2)智能建模；

3)复杂问题求解处理。

所述的基于问题理解的智能人机交互智能体预处理过程如下：

1)感受器感知问题，如果判断是用户输入的问题则存入交互问题列表，进行步骤2)；如果判断是外界或其他智能体传来的领域知识，则将其传送至学习机，进行步骤8)；

2)交互问题理解模块从问题列表中获取一个以自然语言表达的问题语句，送词法与句法分析模块处理；

3)词法与句法分析模块借助分词词典库完成对问题语句的分词、词性标注及主、谓、宾成份的中心词判定的处理；

4)交互问题理解模块借助词法与句法分析得到的概念中心词，在知识词典库中搜索匹配，从而理解问题；

5)交互语句生成器以交互问题理解模块在知识词典库中搜索匹配过程中获得的知识片断树中的知识概念词，以及用户开始交互时给出的自然语句为基础，生成计算机与用户交互的自然语言语句；

6)通过感受器将自然语言表达的交互语句传送给用户，形成人机交互；

7)人机交互确认后，通过感受器将最终理解结果送到通讯器，经通讯器分析判断理解结果所处问题领域，并交递相应的智能体处理；

8)对分词词典库、知识词典库进行一致性和冗余性检查，根据检查结果，更新分词词典库、知识词典库。

所述的智能建模过程如下：

1)模型案例管理***在案例库中对待解决问题进行历史案例搜索和匹配；

2)判断是否找到匹配案例，如果判断结果为否则执行步骤3)，如果判断结果为是则执行步骤5)；

3)模型管理***通过模型库来构建模型；

4)模型内容输出，结束；

5)模型案例管理***将案例库中匹配的案例模型框架进行填充；

6)判断该案例模型框架是否适合新问题，如果判断为是返回到步骤4)，如果判断结果为否执行步骤7)；

7)对案例模型框架进行适应性修改，之后返回步骤4)。

所述的复杂问题求解处理过程如下：

1)方案的初始化模块对方案进行初始化；

2)方案的探测器对方案进行探测，根据方案迭代的终止条件判断是否达到优化目标，如果判断为是则结束，如果判断为否则转到步骤3)；

3)方案的生成器生成新的路径方案，之后转到步骤2)。

与现有技术相比，本发明具有以下优点：

1、对问题变化的动态适应能力强；

2、可以对复杂决策问题进行实时优化。

附图说明

图1为智能人机交互智能体结构；

图2为复杂决策问题基于结构差异的智能建模方法的原理与结构图；

图3为复杂决策问题求解算法的执行流程；

图4为复杂决策问题的求解模型树结构示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

(1)基于问题理解的智能人机交互智能体预处理过程实施方法

本发明设计的基于问题理解的智能人机交互智能体包括：词法分析用词典库管理、词法分析用词性判定规则库管理、词法分析***、句法分析***和管理问题理解***。

对用自然语言描述的管理问题语句的理解，本发明使用词法与句法分析。词法分析主要是对句子进行分词，在分词的基础上，对句子结构进行句法分析，即分析词在句子所承担的语法成分。然后，分词与句子成分分析都是词典库基础上进行，词典库内容丰富与否、结构合理与否、决定着句子理解准确与否。

本发明对词按其语法功能将词分类为：名词、动词、形容词、副词、疑问词、代词、数量词、介词、连词、助词、否定词11大类。在自然语言中，许多词都具有一词多性的特点。然而，在一个完整的自然语言语句中，每一个词都只能有一个属性。因此，为了准确理解自然语言语句，本发明对具有一词多性的词进行词性判定。

词法分析是对组成自然语言的词的分析。汉语的句子是由词组成的，词与词之间是无分隔的。这一点与英语不同。因此，本发明对汉语句子处理的第一步就是把词分开，分词就成为句子词法分析的主要内容。分词有人工分词和机器自动分词两种。人工分词存在分词不一致、处理速度慢、耗时长、成本高等缺点。针对这些缺点，计算机代替人工分词成为迫切需要，自动分词技术应运而生。本发明在总结现有的分词***基础之上，结合管理问题理解的需要，设计了一个三次扫描分词***。

句子的含义是由句子的句型结构意义和组成句子成份的中心词的意义决定的。因此，正确把握句子的句型结构意义和中心词的意义对于准确理解语句是非常重要的。本发明提出的管理问题语句的句法分析方法，是在语法分析的扩充转移网络法基础之上，将句子的句型结构分析与中心词判定相结合，并依据中心词及管理领域知识明确问题领域及求解目标，最终达到理解管理问题语句的目的。

本发明在以上词典库、词法分析***和句法分析***设计的基础上，模拟人类问题理解过程，设计了一个管理问题理解智能***，其处理步骤如下：

步骤1：接受用户以自然语言输入的管理问题语句；

步骤2：对管理问题语句进行词法分析的分词及词性标注处理；

步骤3：对分词及词性标注处理过的问句进行句法分析的主、谓、宾成份的中心词判定；

步骤4：借助知识词典库，以人机对话的形式对问题进行交互；

步骤5：依据交互所获得的信息，在知识词典库中搜索，即对管理问题进行理解；

步骤6：输出理解结果，让用户确认。若用户确认，则理解结束转问题模型类匹配子***；否则，针对用户提出的新问题，转1步。

(2)复杂问题智能建模方法

本发明提出的基于结构差异的复杂问题智能建模方法包括：复杂决策问题的数学模型分析方法、复杂决策问题数学模型的知识表示方法以及复杂决策问题的建模***。

本发明设计的数学模型包含着变量、目标函数、和约束这三个主要成分。复杂决策问题数学模型的变量包含决策变量与偏差变量两类。其中，决策变量是问题中要确定的未知量，它以数量的方式来表示问题的解决方案。目标函数是模型变量的函数，它表示问题要达到的目的要求。根据决策者的不同期望，复杂决策问题的目标有所不同，例如车辆路径调度问题的目标可以是路程最短、成本最小、使用车辆数最少、时间最少等。相应地，该问题数学模型的目标函数应表达出这些目标的一个或多个的组合。按照含义的不同，复杂决策问题数学模型的约束主要有以下几类：1)与企业资源限制相关的约束。该类约束往往表示企业的人力、物力、财力使用不能超过企业现有的资源上限等。2)与预测职能相关的约束。该类约束需要表达出企业预测职能的一系列含义，如预计投入的原材料、预计产出量等。3)与计划职能相关的约束。该类约束需要表达出企业计划职能的一系列含义，如企业年度生产计划、人员招聘计划等。4)与控制职能相关的约束。该类约束需要表达出企业控制职能的一系列含义，如生产执行情况分析等。

复杂决策问题的数学模型中，变量是基础词汇，目标函数和约束方程则是使用该词汇表达问题条件含义的数学语句。这些语句都遵循一定的结构特征：每一变量在每一约束方程或目标函数中都有一个系数，所有系数可构成一系数矩阵；每一约束方程都有一个等式或不等式符号，以及一个右端常量，它们可被加在系数矩阵之后形成一个模型参数矩阵，这一矩阵能将复杂决策问题模型的数据信息完全表达出来。由于矩阵所基于的是一个二维表结构，这一结构可通过附加行列数据所对应的问题知识中实体信息的方式，来增强该结构对于模型知识的表示能力，从而进一步增强计算机对于模型数据的理解能力，为建模过程中模型的识别与修改提供基础。为此，本发明使用表格结构表示复杂决策问题的数学模型：表头标明各个列的含义，包括所有变量的名称、不等式符号、右端常量、以及每行信息所对应的实体名称；表格的前三行分别记录每一变量的类型、含义、以及变量与问题树状知识结构中实体信息的对应关系；第四行记录模型目标函数的参数信息；从第五行开始的后面所有行记录模型约束方程的参数信息。

“研究和总结人类思维的普遍规律，并利用计算机模拟它的实现”是人工智能领域的科学家们遵循的一条明确的指导思想。本发明所提出的智能建模方法，正是建立在人类建模思维规律的基础上的。本发明基于人类建模思维规律，提出了一种智能建模方法。该方法接收以问题知识表示描述的问题概念模型，通过各类知识的推理来模拟人类的建模能力，最终输出问题数学模型表示的具体形式。

(3)提出了复杂问题求解方法

本发明中的复杂决策问题的求解模型是一个基于知识的求解问题的可执行程序。该程序根据复杂决策问题的启发式求解特征必须包含有方案的生成器、方案的探测器、求解过程的控制器、方案的初始化和方案迭代的终止条件这五个模块；此外，作为求解模型的数据源，复杂决策问题的信息模型与数学模型也必不可少的模块。为此，本发明结合上述六个模块，提出一种该问题求解模型的六元组知识表示方法。

定义1一个复杂决策问题的求解模型M可以表示为一个六元组：

M＝(B，I，O，P，E，D)

其中：B——复杂决策问题基本数据信息(Basic information)的集合，记录着问题的信息模型与数学模型；

I——初始方案(Initial solution)，用于描述启发式求解过程的初始方案，或者这一方案的生成知识；

O——目标状态(Object state)，用于描述启发式求解过程的终止条件，或者这一条件的生成知识；

P——求解过程的推理与控制策略(Control policy)，是程序运行的控制器；

E——方案的生成器(Solution enumerator)，用于描述下一个启发式方案的生成知识；

D——方案的探测器(Solution detector)，用于描述求解过程的优化知识，使用这一元组可以通过改进阈值或者裁减非可行分支等方式，来减少枚举次数，优化枚举过程。

六元组M＝(B，I，O，P，E，D)称之为复杂决策问题求解模型的BIOPED表示法。在六个元组中，集合B用于表示复杂决策问题的数据知识，它的内容为问题的概念模型和问题的数学模型，即问题的知识表示与数学模型表示的两个文件；IOED元组则用于存储隐枚举的求解知识，其内容要根据不同的问题知识所对应的求解算法而确定；P元组则是利用求解知识IOED、从给定的数据源B中提取数据、控制问题求解过程的可执行程序，也是使整个求解过程产生智能的“源泉”，执行该元组实现复杂决策问题求解过程的算法为：

算法1Step 1：执行I元组，将初始方案存入变量bestScheme中；

Step 2：如果bestScheme未达到目标状态O，则转下一步；否则转第6步；

Step 3：执行E元组，生成bestScheme的下一个车辆路径方案，并记入变量nextSolution；

Step 4：执行D元组，检验nextScheme方案的可行性，并对求解过程进行优化，如果nextSolution方案可行且优于bestScheme方案，则用其覆盖bestScheme变量；

Step 5：返回Step 2，继续进行下一轮的启发式迭代工作；

Step 6：求解过程结束，bestScheme即为最佳行车方案。

复杂决策问题求解模型的BIOPED表示方法一方面实现了知识库(IOED)与推理机(P)的分离，当求解不同类型的复杂决策问题时，可以在推理流程不变的情况下根据问题特点置换知识库的各个模块；另一方面实现了数据知识(B)与求解知识(IOED)的分离，所有复杂决策问题都遵循树状结构的知识表示方法，***可在不改变求解知识数据接口的情况下，处理具有不同树状结构的实际问题，这就保证了各个求解程序数据结构的一致性，使得各个求解程序能够在一个统一的平台下发挥各自的能力。

按照六元组要求，复杂决策问题每一求解算法都应分解为IOED四个知识元组，这些元组与BP元组相集成可得到用于问题求解的可执行程序。然而，由于复杂决策问题及其求解算法的复杂性，上述模型表示的每个求解知识元组(IOED元组)往往会含有多个模块，每个模块又可细分为多个子模块，……，如此细分下去，可把复杂决策问题的求解模型归结为一棵层次化的倒立的树状结构。那么，求解模型的构建工作也就演变成了这一树状结构的生成过程。对此，我们采用“积木式”的构建方法来搭建该问题求解模型的这一树状结构。其基本思想是依据积木游戏的方法，由各个子模块按照一定的组织结构搭建一个较大的模块，由若干的较大的模块按照一定的组织结构搭建一个更大的模块，……，按此方法继续下去，最终可构成一棵复杂决策问题的求解模型树，如图4所示。

由于不同的复杂决策问题具有不同的求解知识(IOED元组)，和不同的问题及模型知识(B元组)，从而也就有不同的求解模型树；因此，一个具体复杂决策问题求解模型树的搭建过程是要在问题及模型类型的辨识和问题求解算法的匹配之后才进行。

虽然每一复杂决策问题的求解模型树的内容不尽相同，但它们的基本结构都应遵循以下原则：

1)按照“积木式”方法搭建的树状结构的根结点有且只有6个子结点，分别对应于复杂决策问题求解模型知识表示的6个元组；

2)在树状结构根结点的6个子结点中，“B元组”子结点仅由两个子模块搭建而成，它们就是分别记录复杂决策问题信息模型与数学模型的数据文件；

3)求解模型搭建的基本单元是“模块”，“模块”是指未经编译的以文本格式存在的程序文件，***运行时会根据匹配到的求解算法将对应的模块组织成一个程序工程，并自动编译和执行；

4)按照人类认知过程的Miller法则，每一模块所包含的子模块的数目不要超过7个。

5)求解模型的各个元组(除“B元组”)可包含的子模块的数目和深度没有限制，设置子模块的目的就在于：①方便求解程序的开发；②方便知识库的维护；③方便求解模型的搭建。这是因为：①一个新问题求解程序的开发过程实际上是该问题求解模型树的从上至下各个模块的开发过程，这种自顶至下逐步求精的思想是软件工程中程序设计的理论基础；②当一个新问题的求解程序需要融入***时，只需以规定的程序语言编制好文本格式的模块文件，并将各个模块文件在知识库的注册表中登记即可；③当运用***中已有的求解程序来搭建一个具体问题的求解模型树时，只需按照求解知识库注册表的记录，找到该问题匹配到的所有求解模块，并按照注册表中的层次关系以“积木式”方法搭建成一个程序工程即可。

Claims (4)

1.一种复杂决策问题的计算机建模与求解处理方法，其特征在于，包括以下步骤：

1)基于问题理解的智能人机交互智能体预处理；

2)智能建模；

3)复杂问题求解处理。

2.根据权利要求1所述的一种复杂决策问题的计算机建模与求解处理方法，其特征在于，所述的基于问题理解的智能人机交互智能体预处理过程如下：

1)感受器感知问题，如果判断是用户输入的问题则存入交互问题列表，进行步骤2)；如果判断是外界或其他智能体传来的领域知识，则将其传送至学习机，进行步骤8)；

2)交互问题理解模块从问题列表中获取一个以自然语言表达的问题语句，送词法与句法分析模块处理；

3)词法与句法分析模块借助分词词典库完成对问题语句的分词、词性标注及主、谓、宾成份的中心词判定的处理；

4)交互问题理解模块借助词法与句法分析得到的概念中心词，在知识词典库中搜索匹配，从而理解问题；

5)交互语句生成器以交互问题理解模块在知识词典库中搜索匹配过程中获得的知识片断树中的知识概念词，以及用户开始交互时给出的自然语句为基础，生成计算机与用户交互的自然语言语句；

6)通过感受器将自然语言表达的交互语句传送给用户，形成人机交互；

7)人机交互确认后，通过感受器将最终理解结果送到通讯器，经通讯器分析判断理解结果所处问题领域，并交递相应的智能体处理；

8)对分词词典库、知识词典库进行一致性和冗余性检查，根据检查结果，更新分词词典库、知识词典库。

3.根据权利要求1所述的一种复杂决策问题的计算机建模与求解处理方法，其特征在于，所述的智能建模过程如下：

1)模型案例管理***在案例库中对待解决问题进行历史案例搜索和匹配；

2)判断是否找到匹配案例，如果判断结果为否则执行步骤3)，如果判断结果为是则执行步骤5)；

3)模型管理***通过模型库来构建模型；

4)模型内容输出，结束；

5)模型案例管理***将案例库中匹配的案例模型框架进行填充；

6)判断该案例模型框架是否适合新问题，如果判断为是返回到步骤4)，如果判断结果为否执行步骤7)；

7)对案例模型框架进行适应性修改，之后返回步骤4)。

4.根据权利要求1所述的一种复杂决策问题的计算机建模与求解处理方法，其特征在于，所述的复杂问题求解处理过程如下：

1)方案的初始化模块对方案进行初始化；

2)方案的探测器对方案进行探测，根据方案迭代的终止条件判断是否达到优化目标，如果判断为是则结束，如果判断为否则转到步骤3)；

3)方案的生成器生成新的路径方案，之后转到步骤2)。

Images