考慮多角度效用的應(yīng)急案例調(diào)整方法

張愷， 王應(yīng)明

(1.福建船政交通職業(yè)學(xué)院 信息工程系， 福建 福州 350007； 2.福州大學(xué) 決策科學(xué)研究所， 福建 福州 350116)

考慮多角度效用的應(yīng)急案例調(diào)整方法

張愷1， 王應(yīng)明2*

(1.福建船政交通職業(yè)學(xué)院 信息工程系， 福建 福州 350007； 2.福州大學(xué) 決策科學(xué)研究所， 福建 福州 350116)

針對提高應(yīng)急方案調(diào)整精確度的問題，提出了一種基于多角度的應(yīng)急案例調(diào)整方法.基于3種相似度計(jì)算方法得到案例的綜合相似度，通過灰色關(guān)聯(lián)度計(jì)算方法得到問題與方案間的案例關(guān)聯(lián)度；并從綜合相似度、灰關(guān)聯(lián)度以及案例實(shí)施效果三方面確定相似歷史案例集及其權(quán)重；再運(yùn)用證據(jù)推理對相似歷史案例的方案進(jìn)行集結(jié)，得到目標(biāo)案例的調(diào)整方案.最后，通過算例說明方法的可行性和有效性.

突發(fā)事件；案例調(diào)整；證據(jù)推理；混合權(quán)重

Journal of Zhejiang University(Science Edition), 2017,44(3):314-321

0 引 言

案例推理(case-basedreasoning,CBR)是人工智能領(lǐng)域一種重要的基于知識求解問題的方法，通過搜索與目標(biāo)案例相似的歷史案例生成目標(biāo)案例的方案. 近年來，案例推理已廣泛應(yīng)用于諸如液體泄漏[1]、環(huán)境緊急預(yù)案[2]、地鐵項(xiàng)目[3-4]等應(yīng)急管理中. 然而，已有的基于案例推理的應(yīng)急方案大多是通過提取與目標(biāo)案例相似度最大的歷史案例，并將其作為目標(biāo)案例的解決方案. 需要指出的是，目標(biāo)案例與歷史案例往往存在一定的差異，需要進(jìn)行調(diào)整以確定目標(biāo)案例的解決方案.

案例調(diào)整的方法主要有2類：基于統(tǒng)計(jì)方法的案例調(diào)整和基于機(jī)器學(xué)習(xí)的智能調(diào)整. 基于統(tǒng)計(jì)方法的案例調(diào)整主要是通過參考多個案例的方案生成目標(biāo)案例. 目前常用的方法有平均數(shù)[5]、中間值[6]、加權(quán)平均[7]、多元回歸分析法[8]等，其中加權(quán)平均法使用最廣泛. 加權(quán)平均法主要根據(jù)相似度較高的歷史案例對案例調(diào)整效用大、相似度較低的歷史案例對案例調(diào)整效用小的原則，應(yīng)用線性加權(quán)法對歷史案例的方案進(jìn)行集結(jié). 加權(quán)平均法起先通過逆距離得到權(quán)重，對歷史案例的方案進(jìn)行集結(jié)；隨著對案例相似度研究的深入，各種相似度計(jì)算方法出現(xiàn)，應(yīng)用相似度代替逆距離的案例調(diào)整方法應(yīng)運(yùn)而生；QI等[9]發(fā)現(xiàn)通過相似度或距離的加權(quán)平均得到的方案質(zhì)量較次，需考慮方案的調(diào)整能力，于是提出了基于案例調(diào)整能力的案例調(diào)整方法；進(jìn)一步，HU等[10]發(fā)現(xiàn)案例調(diào)整需要考慮問題與方案之間的關(guān)聯(lián)，提出了由相似度和灰色關(guān)聯(lián)度確定權(quán)重進(jìn)行方案集結(jié). 統(tǒng)計(jì)調(diào)整方法因其具有領(lǐng)域獨(dú)立和應(yīng)用簡便的優(yōu)點(diǎn)，廣受青睞. 但其調(diào)整精確度不高，且不能對具有不確定甚至缺失信息的方案進(jìn)行調(diào)整. 后來，在案例調(diào)整中引入基于機(jī)器學(xué)習(xí)的智能調(diào)整，該類方法主要通過歸納學(xué)習(xí)獲取問題與方案之間的關(guān)系，并將此關(guān)系運(yùn)用到目標(biāo)案例從而生成解決方案. 常用的智能方法有神經(jīng)網(wǎng)絡(luò)[11]、遺傳算法[2]、支持向量機(jī)[12]、決策樹[13]等. 該類方法雖然能提高調(diào)整精度，但需要足夠的數(shù)據(jù)量進(jìn)行學(xué)習(xí)，而且需要花費(fèi)大量時間. 然而，相同類型的突發(fā)事件的數(shù)量有限，提供的案例數(shù)很難超過1 000，所以基于統(tǒng)計(jì)方法的案例調(diào)整更適合應(yīng)急案例調(diào)整.

綜上所述，加權(quán)平均的案例調(diào)整方法比較適合突發(fā)事件，然而，突發(fā)事件具有不確定性，存在不確定信息，目前未見對不確定信息的統(tǒng)計(jì)調(diào)整方法的相關(guān)研究. 為此，本文在當(dāng)前案例調(diào)整研究的基礎(chǔ)上，從線性和非線性的角度確定相似歷史案例，并引入證據(jù)推理，對具有不確定信息的應(yīng)急方案進(jìn)行集結(jié)，不僅可以提高案例調(diào)整的精度，而且彌補(bǔ)了已有調(diào)整方法無法處理不確定信息的不足.

1 問題描述

下文將依據(jù)上述給定的問題屬性信息(CP)、方案屬性信息(CS)、實(shí)施效果屬性信息(CR)以及問題屬性權(quán)重向量(wP)，運(yùn)用可行的應(yīng)急案例調(diào)整方法生成目標(biāo)案例C0的方案.

2 應(yīng)急案例調(diào)整方法

2.1 計(jì)算綜合相似度

為提高相似度值的效用，采用歐氏距離、高斯距離[14]以及FAN等[1]提出的相似度計(jì)算方法計(jì)算綜合相似度.

(1) 歐氏距離的相似度計(jì)算公式：

(1)

(2)

(2)高斯距離的相似度計(jì)算公式：

(3)

其中，g0jl表示高斯距離；σl表示誤差偏離度程度，σl=σ×(max{xjl}-min{xjl})，σ∈[0,1].

(4)

(3) FAN的相似度計(jì)算公式：

(5)

(6)

考慮到3種相似度方法同等重要，采用相同的權(quán)重通過線性加權(quán)法進(jìn)行集結(jié)，得到綜合相似度值：

Sim(C0,Cj)=

(7)

2.2 計(jì)算案例關(guān)聯(lián)度

計(jì)算關(guān)聯(lián)度值是為了得到案例的問題與方案之間的關(guān)系. 灰色關(guān)聯(lián)分析法是根據(jù)因素之間發(fā)展趨勢的相似程度，即“灰色關(guān)聯(lián)度”來衡量因素之間關(guān)聯(lián)程度的一種方法. 該方法對樣本數(shù)量沒有要求，也不要求序列數(shù)據(jù)必須符合正態(tài)分布，且不會產(chǎn)生與定性分析相悖的結(jié)論，因此，本文采用灰色關(guān)聯(lián)分析法[15].

首先，對問題屬性和方案屬性進(jìn)行標(biāo)準(zhǔn)化，處理計(jì)算公式為

(8)

(9)

其中，ρ∈(0,1)為分辨系數(shù)，ρ越小，關(guān)聯(lián)系數(shù)間差異越大，區(qū)分能力越強(qiáng). 通常情況下，ρ=0.5.

(10)

(11)

2.3 計(jì)算歷史案例中方案實(shí)施效果的效用值

為了更好地輔助將來做出合理的應(yīng)急決策，對突發(fā)事件的應(yīng)急方案進(jìn)行評估.依據(jù)實(shí)際情況，實(shí)施效果評價的屬性值rjs通?？煞譃閿?shù)值型和文本型2種[16]. 例如，評價屬性“應(yīng)急救援總體效果”一般為語言變量，評價屬性“傷亡人數(shù)降低率”和“財(cái)產(chǎn)損失降低率”一般為數(shù)值型. 下面給出歷史案例中方案實(shí)施效果的效用值計(jì)算過程.

首先，對實(shí)施效果的評價屬性rjs進(jìn)行規(guī)范化處理. 若屬性值rjs為數(shù)值型，則rjs規(guī)范化公式為

(12)若屬性值rjs為語言變量，設(shè)語言變量集是有序的，記為T={T1(很好),T2(好),T3(一般),T4(差),T5(很差)}，相應(yīng)地，集合T的下標(biāo)為{1,2，3,4,5}，其中p表示語言變量Tp的下標(biāo)，則rjs規(guī)范化公式為

(13)

(14)

2.4 確定相似歷史案例集及案例權(quán)重

(15)

進(jìn)一步，決策者根據(jù)相似度、關(guān)聯(lián)度和實(shí)施效果的情況設(shè)置相似案例集的案例數(shù)q，0

在此基礎(chǔ)上，計(jì)算歷史案例的權(quán)重wj：

2.5 調(diào)整應(yīng)急案例

證據(jù)推理(evidence reasoning, ER)能很好地處理無知和缺失問題，基于此，本文采用WANG等[17]提出的區(qū)間解析證據(jù)推理方法進(jìn)行應(yīng)急案例的集結(jié).

然后，根據(jù)設(shè)置的方案屬性評價等級，將歷史案例的方案屬性轉(zhuǎn)換為置信度評價等級形式.

(17)

(18)

(19)

(20)

(21)

(22)

(23)

其中，In-1,n+In,n+1+In+1,n+2=1，In-1,n，In,n+1，In+1,n+2=0或1.

若yjf為缺失值，將其表示為{(H,1)}，其中H表示無知評價等級.

在此基礎(chǔ)上，將方案屬性的置信度形式轉(zhuǎn)換為基本概率分布函數(shù)(BPA)，轉(zhuǎn)換公式為

(24)

(25)

(26)

最后，通過證據(jù)推理的解析算法[17]，將歷史案例的方案屬性進(jìn)行集結(jié)，并用期望效用形式表示，集結(jié)模型為

(27-1)

(27-2)

(27-3)

(27-5)

(27-6)

(27-7)

(27-8)

(27-9)

(27-10)

(28)

3 算例分析

表1 歷史案例信息

表2 案例相似度、灰色關(guān)聯(lián)度及其實(shí)施效果信息

(續(xù)表2)

然后，依據(jù)式(15)計(jì)算排名，并設(shè)置相似度案例數(shù)目q=10，得到排名前10的案例集為(C2,C15,C16,C17,C19,C20,C21,C26,C27,C28).

進(jìn)一步，設(shè)置α=0.7，λ=0.2，γ=0.1，依據(jù)式(16)計(jì)算10個相似案例集的權(quán)重w=(0.106 0,0.102 1,0.103 8,0.097 4,0.108 2,0.095 9,0.096 1,0.097 7,0.100 3,0.092 5).

最后，依據(jù)式(17)～(28)，利用證據(jù)推理對相似歷史案例集的方案進(jìn)行集結(jié)，得到的結(jié)果為[68.026 1, 73.810 1]. 考慮實(shí)際情況，對集結(jié)的結(jié)果取整，得到方案的結(jié)果為[69,74].

4 性能分析

(29)

4.1 不同集結(jié)權(quán)重的分析

在計(jì)算10個相似案例集的案例權(quán)重前需要定義α,λ,γ的值. 為了簡化其最優(yōu)化過程，選取5個不同的(α,λ,γ)值：(0.8,0.1,0.1)，(0.7,0.2,0.1)，(0.6,0.2,0.2)，(0.6,0.1,0.3)和(0.5,0.2,0.3)， 通過本文方法計(jì)算調(diào)整結(jié)果，得到的精確度如圖1所示. 若將C29作為目標(biāo)案例，取相同的(α,λ,γ)值，得到的精確度如圖2所示. 由圖1和2可知，當(dāng)(α,λ,γ)的值為(0.7,0.2,0.1)時，案例的調(diào)整精確度最高.

圖1 C30在不同(α,λ,γ)時的精確度Fig.1 The accuracy of C30 with the different (α,λ,γ)

圖2 C29在不同(α,λ,γ)時的精確度Fig.2 The accuracy of C29 with the different (α,λ,γ)

4.2 調(diào)整精確度分析

經(jīng)典案例的調(diào)整方法有：基于逆距離加權(quán)平均法 (inverse distance weighted mean，IDWM)[18]和基于相似度倒數(shù)法(reciprocal of similarity, RS)[19]. 近來,HU等[10]提出了一種基于灰色關(guān)聯(lián)分析的案例調(diào)整方法(grey relational analysis, GRA).為了說明本文方法的有效性，將其與GRA等方法進(jìn)行了比較，得到4種方法在10個案例上的精確度，如表3所示，并對4種方法的調(diào)整精確度進(jìn)行了排名，見圖3.

表3 4種方法在10個案例上的調(diào)整精確度

由表3知，本方法在案例(C21,C23,C24,C26,C27,C28,C30)上的調(diào)整精確度高于IDWM和RS，只有在案例C22上比IDWM低0.003 5，在案例C25上比IDWM低0.016 4，比RS低0.007 4，在案例C29上比RS低0.010 2. 本方法在案例(C21,C24,C25,C26,C29,C30)上的調(diào)整精確度高于GRA，在案例C22上比GRA低0.013 5，在案例C23上比GRA低0.003 6，在案例C27上比GRA低0.004 8，在案例C28上比GRA低0.003 8. 本文方法在平均案例調(diào)整精確度上較IDWM、RS和GRA分別提高了0.4%，1.0%和1.7%.在最大案例調(diào)整精確度上較IDWM和RS分別提高了0.6%和0.8%. 在最小案例調(diào)整精確度上較IDWM降低了0.4%，較RS提高了0.3%.

圖3 4種方法在10個案例上的調(diào)整精確度排名Fig.3 Ranking of adjusting accuracy of ten casesusing four methods

由圖3可知，本方法在案例(C21,C24,C26,C30)上的精確度排名第1，雖然GRA方法亦有4個案例的精確度排名第1，但其他案例的排名多為第4，而本文方法在案例(C23,C27,C28,C29)上的排名為第2. IDWM和RS方法的排名幾乎都為第2～4名.

綜上所述，本文提出的考慮多角度效用的應(yīng)急案例調(diào)整方法能夠調(diào)高預(yù)測方法的精確度.

5 結(jié) 論

案例調(diào)整是案例推理的重要步驟，目前尚缺乏系統(tǒng)研究，特別是在突發(fā)事件情形下，研究更顯得不足. 本文提出了考慮多角度效用的應(yīng)急案例調(diào)整方法，在確定案例權(quán)重時，從綜合相似度、灰色關(guān)聯(lián)度和實(shí)施效果3個角度生成一個集結(jié)的權(quán)重值；對歷史案例采用證據(jù)推理進(jìn)行集結(jié)，解決了突發(fā)事件方案中存在不確定甚至數(shù)據(jù)缺失的問題. 最后，用算例說明了方法的可行性和有效性.

[1] FAN Z, LI Y, WANG X, et al. Hybrid similarity measure for case retrieval in CBR and its application to emergency response towards gas explosion[J]. Expert Systems with Applications,2014,41(5):2526-2534.

[2] LIAO Z, MAO X, HANNAM P M, et al. Adaptation methodology of CBR for environmental emergency preparedness system based on an improved genetic algorithm[J]. Expert Systems With Applications,2012,39(8):7029-7040.

[3] FAN Z, LI Y, ZHANG Y, et al. Generating project risk response strategies based on CBR: A case study[J]. Expert Systems with Applications,2015,42(6):2870-2883.

[4] ZHANG B, LI X, WANG S, et al. A novel case adaptation method based on an improved integrated genetic algorithm for power grid wind disaster emergencies[J]. Expert Systems with Applications,2015,42(21):7812-7824.

[5] SHEPPERD M, SCHOFIELD C. Estimating software project effort using analogies[J]. IEEE Transactions on Software Engineering,1997, 23(11):736-743.

[6] ANGELIS L, STAMELOS I. A simulation tool for efficient analogy based cost estimation[J]. Empirical Software Engineering,2000,5(1):35-68.

[7] KWONG C K, SMITH G F, LAU W S, et al. Application of case based reasoning injection molding[J]. Journal of Materials Processing Technology,1997,63(1):463-467.

[8] JI S, PARK M, LEE H, et al. Case adaptation method of case-based reasoning for construction cost estimation in Korea[J]. Journal of Construction Engineering and Management,2012,138(1):43-52.

[9] QI J, HU J, PENG Y, et al. Incorporating adaptability-related knowledge into support vector machine for case-based design adaptation[J]. Engineering Applications of Artificial Intelligence,2015,37:170-180.

[10] HU J, QI J, PENG Y, et al. New CBR adaptation method combining with problem-solution relational analysis for mechanical design[J]. Computers in Industry,2015,66:41-51.

[11] BUTDEE S. Adaptive aluminum extrusion die design using case-based reasoning and artificial neural networks[J].Advanced Materials Research,2012,383:6747-6754.

[12] QI J, HU J, PENG Y, et al. A new adaptation method based on adaptability underk-nearest neighbors for case adaptation in case-Based design[J]. Expert Systems with Applications,2012,39(7):6485-6502.

[13] XIE X, LIN L, ZHONG S, et al. Handling missing values and unmatched features in a CBR system for hydro-generator design[J]. Computer-Aided Design,2013,45(6):963-976.

[14] LI H, SUN J. Gaussian case-based reasoning for business failure prediction with empirical data in China[J]. Information Sciences,2009,179(1):89-108.

[15] 鄧聚龍.灰色控制系統(tǒng)[J].華中工學(xué)院學(xué)報,1982,10(3):9-18. DENG J L. Grey control system[J]. The Journal of Huazhong University of Science and Technology,1982,10(3):9-18.

[16] 李永海,樊治平,李銘洋.解決廣義不確定型決策問題的案例決策方法[J].系統(tǒng)工程學(xué)報,2014,29(1):21-29. LI Y H, FAN Z P, LI M Y. Case-based decision analysis method for general uncertain decision making problem[J]. Journal of Systems Engineering,2014,29(1):21-29.

[17] WANG Y M, YANG J B, XU D L, et al. The evidential reasoning approach for multiple attribute decision analysis using interval belief degree[J]. European Journal of Operational Research,2006,175(1):35-66.

[18] LI S, HO H. Predicting financial activity with evolutionary fuzzy case-Based reasoning[J]. Expert Systems with Applications,2009,36(1):411-422.

[19] YU W, LIU Y. Hybridization of CBR and numeric soft computing techniques for mining of scarce construction databases[J]. Automation in Construction,2006,15(1):33-46.

Emergency alternative adaptation method with considering multi-angle utility.

ZHANG Kai1, WANG Yingming2

(1.DepartmentofInformationEngineering,FujianChuanzhengCommunicationsCollege,Fuzhou350007,China; 2.DecisionSciencesInstitute,FuzhouUniversity,Fuzhou350116,China)

To improve the pertinence of the emergency plan, a method for plan adaptation based on those of similar emergency cases from multiple views is proposed. The comprehensive similarity between the current case and a candidate is calculated by three similarity computation methods while the case correlation degree is evaluated by the grey correlation method. Then, the similar case set and the associated weights are determined according to the comprehensive similarity, grey correlation degree and the case implementation effect of each candidate. Finally, the evidence reasoning is adopted to integrate the emergency plans of these similar cases to get the adaptive plan. A case is given to illustrate the feasibility and validity of the proposed method.

emergency; case adaptation; evidence reasoning; hybrid weight

2016-10-16

國家杰出青年科學(xué)基金資助(70925004)；福建省交通運(yùn)輸廳科技發(fā)展項(xiàng)目(201319).

張愷(1979-),ORCID:http://orcid.org/0000-0001-8755-3326,男, 碩士，副教授, 主要從事智能決策技術(shù)、案例推理研究.

*通信作者，ORCID:http://orcid.org/0000-0002-5229-0914，E-mail：msymwang@hotmail.com.

10.3785/j.issn.1008-9497.2017.03.012

TP 181

A

1008-9497(2017)03-314-08