文档介绍：浅谈基于范例推理的软基处理方案决策
浅谈基于范例推理的软基处理方案决策
摘要:范例推理是一种人工智能推理方法,本文应用大量的、成熟的软基处理方法构成软基处理方案决策的源范例库,为实现基于范例推理的软基处理决策奠定了可靠的基础。通过软基处理方案的目标范例与源范例之间的类比,根据计算获得的软基目标范例与软基处理源范例质检的相似性程度,从而获得软基目标范例的处理方案。
关键词:范例推理软基处理决策模型范例
中图分类号: 文献标识码: A
一、前言
类比是人们经常运用的解决问题的方法。人们在问题解决的过程中,常常依赖以前解决相似问题的经验,来得到新问题的解决办法。基于范例推理正是以人类解决问题的这种实际心理历程为基础的一种人工智能范式。
在软土地基上修建高速公路,首先需要对是否进行处理做出决策。对需要处理的地段,则需要对深层处理还是浅层处理做出决策。在软基处理技术决策中,涉及的影响因素众多,有地质因素,工程因素,经济因素及环境影响因素等。计算工作量大,设计理论不完善,经验往往起着重要的作用。如何使软基处理技术决策更具科学性变的非常重要,近年来这方面的研究取得了不少新的进展,研究人员先后提出了新的地基处理决策新方法,如评分优化法、模糊评判法、层次分析法以及地基处理智能辅助设计系统等。基于此,本文提出了基于范例推理的软基处理决策模型。
二、基于范例推理的软基处理方案决策模型
1 范例推理的机理
范例推理就是通过访问范例库中过去相关的事例的求解利用类比推理而获得当前问题解。长期以来,研究人员已经对大量的成熟的软基处理方法进行过比较深入的研究,获得了比较明确的结论。这些大量的成熟的软基处理方法将构成软基处理方案决策的源范例库,通过软基处理方案的目标范例与源范例之间的类比,根据计算获得的软基目标范例与软基处理源范例之间的相似性程度,获得软基目标范例的处理方案。基于范例推理(CBR)系统的核心包括四个部分:(1)范例库:存储先前的经验;(2)检索机:用一种有意义的方法排列范例;(3)匹配算法:比较新范例与旧范例的相似度;(4)调整机制:推演得出最后的解法。
CBR系统的运作过程可概括(1)提取(2)重用(3)修改和(4)存储。基于范例推理的步骤如下:(1)提出新问题作为目标范例,定义新问题的特征或属性;(2)检索范例库,根据问题的要求,在范例库中找出与目标范例最为相似的范例;(3)根据修正规则来修改检索到的旧范例,为新范例进行计算求解;(4)将有利用价值的新范例存储到范例库中,并对CBR系统的作相应的调整,以完成CBR的学习功能。
2软基处理范例库的建立
CBR系统所依赖的知识主要存储在范例中,范例的集合构成范例库。范例库是CBR中的重要组成部分,它是CBR 中主要的知识库。范例库的大小及其组织结构直接影响CBR系统应用的效率和效果。如何表示范例,如何组织范例,如何建立范例库的索引,是建立范例库的主要问题。
在CBR范例库的建造中,一个合理的、一致的范例表示方法是必不可少的。范例应该包含什么?一般认为,范例可以定义为能够导致特定结果的一组特征或属性的集合。从问题求解的角度来看,一个范例的内容主要由三部分组成:一是问题或情境描述;二是解决方案描述;三是结果描述,
对于基于范例推理的软基