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

Study on Intelligent Decision Support System Based on

Simulation and Case-based Reasoning

Zhou    Ming

(Baosteel Technology Centre, Shanghai. 201900)

Abstract：This  paper  briefly  introduces  the  development  process  of  intelligent  decision  support  system(IDSS),  a  new structure of IDSS based on simulation and case-based reasoning(CBR) is presented, some relevant techniques such as data

mining and simulation and CBR used in developing IDSS are discussed on the application viewpoint. Application prospect of

the proposed IDSS is described by an example in the scheduling of molten iron transportation, the proposed IDSS is highly expansive and adaptive and quickly responsive.

Keywords：data warehouse; data mining; simulation; case-based reasoning; intelligent decision

0 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．Scott Morton 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，这些困难了常 规智能决策支持系统在复杂的大型系统中作用的

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

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 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

2    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 完全与实际状况相匹配，所以往往无法自动生成 指令，应用效果很不理想。另外，由于运输环节 多，常常会出现一些异常情况，使铁水运输调度 更加困难，因此，建立一个铁水运输调度智能决 策支持系统是十分必要，采用基于仿真和  CBR 技术的智能决策支持系统，可以解决以上的问题。 采用 CBR 技术的相似性推理，一方面可以大大减 少指令库的指令，利用相似性对指令进行提取和 归类。另一方面由于采用相似性推理，从而也使 自动生成调度指令成为可能。利用铁水运输仿真系统可以离线研究各种条件下运输调度方案，即 便是实际没有发生的情况，也可通过仿真运行比 较得到最优或较优的运输预案，经过一定的处理 后可以放入案例库，供在实际发生类似情形时调 用，对案例库的完备性有较好的补充作用。另一 方面，仿真系统的引入也为该系统的推广使用创 造了条件。对于新建钢厂，可以事先通过仿真得 到一些初始的调度方案，作为基本的典型案例， 在系统运行一段时间后，通过自学习或从生产实 际数据中挖掘来补充和完善库。整个系统的框架 不需改变，只要修改案例库、知识库、模型库中 具体内容即可，大大缩短开发时间，具有良好的 推广使用价值。

4    结束语

本文提出的基于仿真和案例推理技术的智能 决策技术系统具有良好的可扩充性、自适应性、 可移植性以及快速响应能力。决策支持系统的建 立是一个复杂的系统工程，仅有一个好的框架结 架是不够的，还必须保证框架中案例库、知识库、 模型库中内容的正确性和完备性，只有两者完美 结合，才能充分发挥决策支持系统的作用。在数 据挖掘、仿真以及整个系统的开发过程中要特别 重视专家知识以及领域知识的指导作用，只有这 样才能开发出具有实际应用价值的智能决策技术 系统。

参考文献:

[1]  陈文伟．智能决策技术[M]．北京：电子工业出版社，

1998．

[2]  彭木根．  数据仓库技术与实现[M]．北京：电子工业 出版社，2002．

[3]  王珊．数据仓库技术与联机分析处理[M]．北京：科 学出版社，1998．

[4]    Richard    H.Stottler,CBR    for    Lost    and    Sales

Prediction[J]．  AI EXPERT，1994，August:25-31．

[5]   Michael   Pearce,Askok   K.Goel,Janet   L.Kolodner   and

Richard Billington, Case-Based Design Support: A Case

Study   in   Architectural   Design   [J] ． IEEE   EXPERT,

1992,7(5):14-20．

[6]  黄柯棣．系统仿真技术[M]．国防科技大学出版，1998．