CN102270202A - 基于树状知识的复杂决策问题形式化的计算机处理方法 - Google Patents

Abstract

本方法涉及一种基于树状知识的复杂决策问题形式化的计算机处理方法，包括以下步骤：1)通过人机交互系统输入问题信息，系统在问题分类树中依次遍历属性节点，搜索取值分支，直到达到问题类别所对应的叶节点；2)系统确定复杂决策问题结构；3)系统判断问题结构是否已经确立，如果判断结果为是则进行步骤4)，如果判断结果为否则转到步骤2)；4)获取复杂决策问题数据信息；5)系统判断是否所有的问题结构部分都已获得相应的数据，如果判断为是则进行步骤6)，如果判断为否则转到步骤4)；6)系统根据问题的结构信息与数据信息组合成一棵问题的知识描述树。与现有技术相比，本方法具有动态环境的适应能力强，且具有良好的通用性等优点。

Description

基于树状知识的复杂决策问题形式化的计算机处理方法

技术领域

本方法涉及一种复杂问题形式化的计算机处理方法，尤其是涉及一种基于树状知识的复杂决策问题形式化的计算机处理方法。

背景技术

Herbert A.Simon依据对决策问题结构化程度，将决策划分为程序化决策和非程序化决策。良结构的决策问题可用程序化的方法求解；不良结构的决策问题需用非程序化方法求解。这种观点通常侧重对决策问题结构复杂程度的认识，忽视对决策问题计算复杂程度的认识。然而，任何问题都有结构和计算两方面客观存在的特性，求解问题必须透彻理解问题的这两方面。为此，本方法将复杂决策问题定义为：具有结构复杂和计算复杂两种复杂的决策问题。其中，结构复杂是指决策问题组成元素及其关系的复杂；而计算复杂是指决策问题所含有的数据量大、计算时间长，在人的计算效率所允许的时间与空间范围内手工无法解决，需要借助计算工具来完成问题求解中计算过程的复杂。

表达与求解复杂决策问题是问题形式化的根本目的。本方法认为复杂决策问题的形式化是认识、理解，并表达问题的结构，从而提高问题的结构化程度，解决问题结构复杂的过程。问题形式化的结果作为问题求解的基础，有助于促使人们将问题形式化的结果与机器相结合，借助机器来解决问题的计算复杂。

传统的决策问题结构复杂的形式化过程一般首先是专家在错综复杂的情况下判断问题的结构，提出假设以及各种数据和信息，然后经过计算机的加工和处理求得问题的最优或满意的解决方案。然而这种方法难以适应复杂管理环境对管理决策在线和高效的要求，从而成为了复杂问题求解系统的瓶颈。而对于解决决策问题的计算复杂，决定着决策与求解质量的能力和技术不仅仅存储在我们人类的大脑中，也同样蕴涵于今天称之为“计算机”的工具之中，利用并发挥人类和计算机各自的长处，而把计算机和人结合起来，才是正确的追求目标。人们将人工智能与认知科学的理论成果引入复杂问题求解过程中，给机器注入了类似于人类的基于知识的定量处理能力，使问题求解过程建立在人的“心智”与计算机的“智能”的基础之上，对分布在人与机器之间的不同层次、不同领域的信息和知识、定性与定量进行综合集成，达到对整体的完整认识，实现人与机器的完美结合。

纵观复杂问题形式化的研究成果，按其问题知识处理范围的不同可以分为问题整体形式化方法和问题分解形式化方法。问题整体形式化方法将问题视为一个整体，使用规范的表示形式或者先前的类似问题处理经验，从全局上进行整个问题的形式化；而基于认知科学的思想，问题分解形式化方法将复杂的大问题分解为多个相对简单的小问题，然后再依次形式化这些小问题。这些研究成果将问题形式化过程中的一部分知识推理工作交由机器处理，在一定程度上提高了人机交互中机器完成工作的比重，推动了复杂决策问题形式化的研究。然而它们存在如下几个严重缺陷：

(1)复杂决策问题的形式化的目标是自动实现“问题条件改变→数学模型改变→模型求解程序改变”的连锁发应。然而，目前的方法对动态环境的适应能力依然较差，缺乏对于其领域中各类问题的辨识与理解能力，没有将问题领域知识作为其形式化工作的基础；

(2)目前多数研究成果不自觉地将复杂决策问题形式化过程中人的思考与机器的“思考”(推理)分割开来。然而，对于人类来说复杂决策问题的形式化并非一蹴而就，这一过程更需要机器的支持；并且，人机完美结合的思想认为人与机器的认知过程是统一的、相互促进、相辅相成的，作为人脑的延长，机器应能够协同人类探索问题形式化的规律，共同完成问题的形式化工作；

(3)目前的复杂决策问题形式化方法的研究成果多停留在理论层面，少有成功的应用案例，复杂决策问题的形式化方法难以兼顾通用性与实用性。

方法内容

本方法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动态环境的适应能力强，且具有良好的通用性与实用性的基于树状知识的复杂决策问题形式化的计算机处理方法。

本方法的目的可以通过以下技术方案来实现：

一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，包括以下步骤：

1)通过人机交互系统输入问题信息，系统在问题分类树中依次遍历属性节点，搜索取值分支，直到达到问题类别所对应的叶节点；

2)系统确定复杂决策问题结构；

3)系统判断问题结构是否已经确立，如果判断结果为是则进行步骤4)，如果判断结果为否则转到步骤2)直到规则文件中的启发式知识顺次使用完毕，即得到问题的结构信息；

4)获取复杂决策问题数据信息；

5)系统判断是否所有的问题结构部分都已获得相应的数据，如果判断为是则进行步骤6)，如果判断为否则转到步骤4)；

6)系统根据问题的结构信息与数据信息组合成一棵问题的知识描述树。

所述的步骤2)中的确定复杂决策问题结构具体步骤如下：

1)系统查找问题类型对应的结构知识文件的名称，并判断是否找到，若为是，执行步骤2)，若为否，返回错误消息；

2)将结构文件从问题结构知识库中打开，并复制一个新的副本；

3)判断副本文件中是否含有未提问的assert谓词，若为是，执行步骤4)，若为否，返回结构文件副本及成功消息；

4)找出第一个未提问的assert谓词；

5)从启发式窗体模板库中生成问题结构信息的用户输入窗口，用户通过窗口输入问题的结构信息；

6)根据用户输入，向副本文件中写入缺少的树状结构语句段；

7)标记当前已提问的assert谓词，并返回步骤3)。

所述的步骤4)中的获取复杂决策问题数据信息具体步骤如下：

1)判断树状结构中是否存在为获得数据子句的末端语句段，若为是，执行步骤步骤2)，若为否，数据信息获取结束；

2)获取树状结构中第一个没有数据子句的语句段；

3)从启发式窗体模板库中生成问题数据子句输入窗口，用户通过窗口输入数据信息；

4)将用户输入作为当前语句段的子句结点，写入问题结构文件的副本中，并返回步骤2)。

所述的语句段也为语句子段。

与现有技术相比，本方法具有以下优点：

1、动态环境的适应能力强；

2、能实现人机更好的结合；

3、具有良好的通用性与实用性。

附图说明

图1为本发明的流程图；

图2为确定复杂决策问题结构的流程图；

图3为获取复杂决策问题数据信息的流程图；

图4为本发明具体实施的流程图。

具体实施方式

下面结合附图和具体实施例对本方法进行详细说明。

实施例

如图1所示，一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，包括以下步骤：

1)通过人机交互系统输入问题信息，系统在问题分类树中依次遍历属性节点，搜索取值分支，直到达到问题类别所对应的叶节点；

2)系统确定复杂决策问题结构；

3)系统判断问题结构是否已经确立，如果判断结果为是则进行步骤4)，如果判断结果为否则转到步骤2)直到规则文件中的启发式知识顺次使用完毕，即得到问题的结构信息；

4)获取复杂决策问题数据信息；

5)系统判断是否所有的问题结构部分都已获得相应的数据，如果判断为是则进行步骤6)，如果判断为否则转到步骤4)；

6)系统根据问题的结构信息与数据信息组合成一棵问题的知识描述树。

如图4所示为本发明具体应用时的流程图，基于复杂决策问题的知识表示方法，复杂决策问题形式化系统负责为辅助非专业人员生成知识化信息模型提供智能化的问题描述支持。图中，问题结构确定是通过基于领域知识的复杂决策问题形式化方法而实现的；结构确定之后，系统将其以信息侧面和语句段的形式写入复杂决策问题树状知识描述文件；接着根据这一文件的结构信息，向用户提问知识子类或知识子类的数据值，直到所有的语句段或语句子段都获取到相应的子句为止；最后，系统将问题数据信息写入树状知识描述文件，复杂决策问题信息模型的生成工作即告结束。

由于复杂决策问题知识的无序，问题结构确定是问题知识表示过程中十分关键的工作。本发明中，这一工作由基于领域知识的问题形式化方法而实现，方法中，问题分类知识库和问题结构知识库是领域知识形式化的表现，也是问题形式化系统产生智能的源泉。该知识库以及整个复杂决策问题的形式化系统采用Prolog与Visual Basic语言设计和实现，其中，Prolog负责知识的表示与推理，Visual Basic负责流程控制、用户窗体生成与数据处理。

如图3所示为确认复杂决策问题结构的流程图，通过问题识别，Prolog将产生一个问题类型编号，然后将控制权交给Visual Basic，由它负责调用该类问题的结构文件，并确定问题结构。问题类型与结构文件的映射关系已由表1给出，数据表的物理结构不再赘述。问题结构的确定过程是由人机协助共同完成的，计算机在结构文件中每检测到一个assert谓词，都会生成它的启发式用户窗体，接收用户输入。具体步骤如下：

1)系统查找问题类型对应的结构知识文件的名称，并判断是否找到，若为是，执行步骤2)，若为否，返回错误消息；

2)将结构文件从问题结构知识库中打开，并复制一个新的副本；

3)判断副本文件中是否含有未提问的assert谓词，若为是，执行步骤4)，若为否，返回结构文件副本及成功消息；

4)找出第一个未提问的assert谓词；

5)从启发式窗体模板库中生成问题结构信息的用户输入窗口，用户通过窗口输入问题的结构信息；

6)根据用户输入，向副本文件中写入缺少的树状结构语句(子)段；

7)标记当前已提问的assert谓词，并返回步骤3)。

表1问题类别与结构文件映射表

问题类型号	结构部分生成规则文件名称	结构信息启发式窗体生成文件
			1	structure_rule1.pro	structure_create1.exe
2	structure_rule2.pro	structure_create2.exe
			......	......	......

如图2所示为复杂决策问题数据信息获取流程图，具体步骤如下：

1)判断树状结构中是否存在为获得数据子句的末端语句(子)段，若为是，执行步骤步骤2)，若为否，数据信息获取结束；

2)获取树状结构中第一个没有数据子句的语句(子)段；

3)从启发式窗体模板库中生成问题数据子句输入窗口，用户通过窗口输入数据信息；

4)将用户输入作为当前语句(子)段的子句结点，写入问题结构文件的副本中，并返回步骤2)。

问题结构的确定意味着问题知识描述树中信息侧面、语句段、及语句子段的确定。那么，为得到完整的问题知识描述树，需要进一步获取代表问题数据信息的问题知识描树的子句。由于树状结构中每一个子句都与一个语句子段相对应，所以子句信息的获得只需根据每一个末端的语句(子)段，从启发式窗体模板库提取控件及其显示知识，生成人机交互窗体，接收用户输入；并将用户输入写入问题结构确定阶段生成的结构文件副本，形成当前语句(子)段的一个子句。按照这种方法不断地循环每一个树状结构中的末端语句(子)段，直到它们都获得相应的数据信息，并已将其录入为子句为止。这时，复杂决策问题的完整的知识描述树即可得到，这一树状结构作为复杂决策问题的信息模型，为该问题建模操作中的知识推理奠定基础。

Claims (4)

1.一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，包括以下步骤：

1)通过人机交互系统输入问题信息，系统在问题分类树中依次遍历属性节点，搜索取值分支，直到达到问题类别所对应的叶节点；

2)系统确定复杂决策问题结构；

3)系统判断问题结构是否已经确立，如果判断结果为是则进行步骤4)，如果判断结果为否则转到步骤2)直到规则文件中的启发式知识顺次使用完毕，即得到问题的结构信息；

4)获取复杂决策问题数据信息；

5)系统判断是否所有的问题结构部分都已获得相应的数据，如果判断为是则进行步骤6)，如果判断为否则转到步骤4)；

6)系统根据问题的结构信息与数据信息组合成一棵问题的知识描述树。

2.根据权利要求1所述的一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，所述的步骤2)中的确定复杂决策问题结构具体步骤如下：

1)系统查找问题类型对应的结构知识文件的名称，并判断是否找到，若为是，执行步骤2)，若为否，返回错误消息；

2)将结构文件从问题结构知识库中打开，并复制一个新的副本；

3)判断副本文件中是否含有未提问的assert谓词，若为是，执行步骤4)，若为否，返回结构文件副本及成功消息；

4)找出第一个未提问的assert谓词；

5)从启发式窗体模板库中生成问题结构信息的用户输入窗口，用户通过窗口输入问题的结构信息；

6)根据用户输入，向副本文件中写入缺少的树状结构语句段；

7)标记当前已提问的assert谓词，并返回步骤3)。

3.根据权利要求1所述的一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，所述的步骤4)中的获取复杂决策问题数据信息具体步骤如下：

1)判断树状结构中是否存在为获得数据子句的末端语句段，若为是，执行步骤步骤2)，若为否，数据信息获取结束；

2)获取树状结构中第一个没有数据子句的语句段；

3)从启发式窗体模板库中生成问题数据子句输入窗口，用户通过窗口输入数据信息；

4)将用户输入作为当前语句段的子句结点，写入问题结构文件的副本中，并返回步骤2)。

4.根据权利要求2或3所述的一种基于树状知识的复杂决策问题形式化的计算机处理方法，其特征在于，所述的语句段也为语句子段。

Images