JPH07168716A - 意思決定装置とその動作自動的最適化法 - Google Patents

Abstract

(57)【要約】 【目的】 有効な意思決定最適化システムを提供する。 【構成】 意思決定装置を計装化し使用データの特性を
持つテスト・データを適用する。この計装の情報を用い
てそのデータにこの決定装置が用いるその基準適用を再
順序づけする。開示決定装置はルール・ベース・システ
ムで、決定ネットワークを用いてそのルールを評価す
る。このネットワークにはウイズイン・テストとビトウ
イン・テストとこのテストをパスしたデータ項目を持つ
結果キャッシュがある。このネットワークを通るデータ
・フローを最小にするようにそのルールの条件要素を再
配置して本最適化を行う。この各テストに２カウンタと
その各結果キャッシュに１カウンタでこのネットワーク
を計装化する。このカウンタ値関数を用いて限定度減少
順の条件要素リストを作成し、共用変数の条件要素のリ
ストとグラフを用いて再順序づけしたルールでこのネッ
トワークを再構築する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はデータ処理に係り、特に
データ値による決定を含むデータ処理に関する。

【０００２】

【従来の技術】データ処理オペレーションにはデータ項
目に関する基準リストによりそのデータ項目に関する意
思決定を行うことが多い。例えば、色と重さでブロック
をソートしたシステムで色が黒で重さが１ないし３ポン
ドのブロックのソートを所望する場合を取り上げる。こ
こではブロックを選別するのに次の３基準を挙げること
ができる。 その色は黒か？ その重さは１ポンドより軽いか？ その重さは３ポンドより重いか？ である。あるブロックをソートするのに要する時間は、
その基準の順序づけの仕方により左右される。

【０００３】例えば、ブロックの色が白である場合に
は、適用を必要とするのは第１の基準のみである。ま
た、ブロックの色が黒で、重さが１ポンドより軽い場合
には、適用を必要とするのは第１と第２のはじめの２基
準である。さらに、ブロックの色が黒で、重さが３ポン
ドより重い場合には、前記３基準の適用をすべて必要と
する。前記例からまた明らかなように、適用するこの基
準の最も有効な順序づけはソートしようとするそのブロ
ックの特性により変わる。例えば、ソートしようとする
ブロックのほとんどすべてが色は黒で重さは１ポンドよ
り軽いような場合には、その基準は、初めに“その重さ
は１ポンドより軽いか？”の順序づけにすることが必要
である。

【０００４】反対に黒色はほとんどなく重さは１ないし
３ポンドの範囲にあるようなブロックの場合には、その
基準は、初めに“その色は黒か？”の順序づけにする必
要がある。データ処理システムでは、データに基準の長
いリストを適用する場合が多い。このような場合には、
このデータ処理システムの性能はその基準の順序づけの
有効な仕方に大きく左右される。従来、このような順序
づけは、その基準を適用しているシステムおよびその基
準を適用するデータの両方に詳細な知識を持つ熟練プロ
グラマが実施した。ところが、この手順には二つの問題
がある。

【０００５】

【発明が解決しようとする課題】それは、これを実施す
る熟練者らの方に時間と手間がかかることおよびこのシ
ステムの処理するデータの変わる度ごとにその解析を実
施し直すことが必要であるという二つの問題がある。つ
まり、従来欠けていて、本発明の提供しようとするの
は、処理しようとするデータの性質に応じてデータに適
用する基準の順序づけを自動的に行う方法である。

【０００６】

【課題を解決するための手段】本発明は、この課題を次
のような最適化要素をそのデータ処理システムに有する
ことにより解決する。この最適化要素とは、そのデータ
処理システムが現在処理しているデータに対する基準の
適用を解析し、この解析結果を用いて実施するテスト数
とそれを行うのに要するリソースを少なくするようにこ
のデータに対する適用基準を再順序づけする。この最適
化要素には、そのデータに対する基準の適用の仕方につ
いての情報を得るための計装およびこの計装が与える情
報を解析するためのアナライザがある。

【０００７】このデータ処理システムが現在処理してい
るデータのサンプルでこのデータ処理システムを稼働さ
せて最適化を行い、次にこの計装が集めた情報をそのア
ナライザに与え、このアナライザがこの情報を解析して
その基準の適用の仕方を再順序づけする。以下に、図面
を参照して本発明を説明するが、ここで用いる参照符号
番号は３桁以上の数字で、その最小有効２桁の数字が図
中の番号を示し、残りの数字は図番号を指す。従って、
例えば符号番号“３０５”を持つ要素は最初の３は図３
を指す。以下の説明により本発明の目的と利点は、当業
者には明白であるが、この説明は、初めに本発明の概観
を述べ、次にルール・ベース・システムを取り上げこれ
を最適化するのに用いる現時点で好ましい実施例を詳述
する。また、以下の概観では本発明を用いる利用例をま
ず説明し、次にこの利用の場合に本発明を用いる仕方を
示す。

【０００８】

【実施例】

ルール・ベース・システムとルール 決定を含むデータ処理オペレーションの一代表例として
ルール・ベース・システムを挙げることができる。この
ルール・ベース・システムでは、そのデータが満足させ
得る条件とその条件を満足させる場合にとるアクション
を指定するルールの集まりがある。このようなシステム
で用いる場合のルールのルール１０１を図１に示す。こ
のルール名は、プッシュ＿ブロック（push_block）であ
る。ここで、左側１０３はその条件を指定し、右側１０
５は取るアクションを指定するが、この場合は単一のア
クション１０９である。

【０００９】左側１０３の条件はこのルールを適用しよ
うとするデータが次のようなブロックとボックスを指定
するような場合にマッチする。それは、このブロックと
ボックスが同じ色を持ち、このブロックは重さが３．０
より軽くそのフロワ（floor）上にあり、さらにこのボ
ックスは重さが３．０より重い場合である。この右側の
アクションを実行する場合には、次のようにブロックに
対するデータ部を変えてこのボックスに対しその上にブ
ロックを置く。これはその上にこのブロックを置くもの
を指定するデータ部を変えこのブロックはそのボックス
上にあるように指定して行う。さらに詳しく説明を続け
ると、左側１０３には、２条件要素１０７（０），１０
７（１）がある。

【００１０】この各条件要素１０７は右側のアクション
を取ろうとする場合に満たす必要がある条件の集まりを
指定する。条件要素１０７（０）では、ブロック１１７
はこの条件要素を適用しようとするデータ・クラスを指
定する。記号“＾ ”で始まる各名称はその種類のデー
タの属性を指定する。例えば、＾ ｗｅｉｇｈｔはその
ブロックの重さを指定し、後続するのがその属性に適用
するテストを指定する。従って、＾ ｗｅｉｇｈｔ
〈３．０は、そのブロックは重さが３．０より軽い必要
があることを指定する。一方、＾ ｃｏｌｏｒ〈ｖａ
ｒ〉はそのブロックは色が変数により指定される色を持
つ必要があることを指定する。

【００１１】終りに、〈ｂｌｏｃｋ１〉はこのルール１
０１内に用いる名称で、これは条件要素１０７（０）を
満足させるブロックであることを指定する。ここで、本
発明の説明のために、条件要素１０７においてその属性
に適用するテストは、ウイズイン・テスト（ｗｉｔｈｉ
ｎ ｔｅｓｔ）とビトウイン・テスト（ｂｅｔｗｅｅｎ
ｔｅｓｔ）の２クラスに分ける。ウイズイン・テスト
おいては、その条件要素でテストするデータ項目の属性
に含まれる情報のみからそのルールに対するテスト結果
を求めることができる。また、ビトウイン・テストにお
いては、２以上のデータ項目からの属性を用いてそのテ
スト結果を求める必要がある。

【００１２】例えば、テスト＾ ｗｅｉｇｈｔ〈３．０
は、ウイズイン・テスト１１１である。というのは、そ
の情報はすべてテストするブロック・クラスの項目に含
まれるものである。また、条件要素１０７（０）と条件
要素１０７（１）の両方ともテスト＾ ｃｏｌｏｒ〈ｖ
ａｒ〉で、同じ符号番号であるが、ビトウイン・テスト
１１３の例である。というのは、あるブロックとあるボ
クッスが同じ色を持つ正否を求め得る前に、そのブロッ
クとそのボックスの両方に対する色属性値を知る必要が
あるためである。

【００１３】マッチング実施に決定ネットワークの使用 前記ルール１０１の説明から明らかなように、ルール・
ベース・システムでは、データ項目でテスト実施に時間
が多くかかる。このテスト実施を順位づけするのに、決
定ネットワークは有効な方法である。本発明の好ましい
実施例に使用できる種類の決定ネットワークにリート
（Ｒｅｔｅ）ネットワークを挙げることができる。この
詳しい説明に下記報告がある。それはシー・エル・フォ
ーギィ（Ｃ．Ｌ．Ｆｏｒｇｙ）、“リート：多パターン
／多オブジェクト・パターン・マッチ問題に対する高速
アルゴリズム”，人工知能（１９８２年）で、参照のこ
と。図２にルール１０１に対する決定ネットワーク２０
１を示す。

【００１４】決定ネットワーク２０１でテストするデー
タ項目は２０３を介して受け入れる。エレメント２０２
（０）、２０２（１）に示すように、各データ項目をま
ずそのクラスに対しテストする。それはこの場合にはブ
ロックかまたはボックスかというクラスに対するテスト
である。各クラスに対し、この決定ネットワークではブ
ランチ２０４がある。図２においては、ブランチ２０４
（０）はブロック・データ項目に対するブランチで、ブ
ランチ２０４（１）はボックス・データ項目に対するブ
ランチである。各ブランチにはそのブランチのデータ項
目に対するウイズイン・テスト２０５がある。

【００１５】この場合、ウイズイン・テスト２０５
（０）は条件要素１０７（０）からのブロック・データ
項目に対するウイズイン・テスト１１１を含み、一方、
ウイズイン・テスト２０５（１）は条件要素１０７
（１）からのボックス・データ項目に対するウイズイン
・テスト１１１を含む。その所定のクラスのデータ項目
がウイズイン・テストにパスしない場合には、矢印２１
１が示すようにこの決定ネットワークにおいてさらに進
むことはない。テスト２０５のある集まりのすべてのウ
イズイン・テストをパスしたその所定のクラスのデータ
項目は、結果キャッシュ２０７に進み、そこで蓄積され
る。例えば、結果キャッシュ２０７（０）には、このウ
イズイン・テスト２０５（０）を満足したブロック・デ
ータ項目がある。

【００１６】このブロック・データ項目は重さが３．０
より軽くフロワ上にあるいずれかの色のブロック・デー
タ項目である。この結果キャッシュ２０７にそのデータ
項目を含むビトウイン・テストがある場合には、そのデ
ータ項目はビトウイン・テスト２０９に進む。これはこ
の場合には単一のテスト、つまりテスト１１３で、これ
は結果キャッシュ２０７（０）、２０７（１）のブロッ
クとボックスの＾ ｃｏｌｏｒ属性で行うテストであ
る。テスト１１３は、各前記ボックス上の各ブロックに
対して行う必要がある。ブロックとボックスに対しこの
テストを行う度ごとに、このビトウイン・テストの変数
〈ｖａｒ〉は比較するブロックとボックスの色に向けら
れる。

【００１７】以上の説明から明らかなように、行う必要
のあるビトウイン・テスト数は、ビトウイン・テスト２
０９へデータ項目を与えている結果キャッシュ２０７に
おけるデータ項目数の交差積である。例えば、もし１０
ブロックがウイズイン・テスト２０５（０）をパスしま
た５ボックスがウイズイン・テスト２０５（１）をパス
する場合には、５０テストを行う必要がある。同じ色の
ボックスを持たないブロックは、この逆も同じである
が、さらに進むことはなく（矢印２１１）、残ったブロ
ックとボックスが最終結果２１３ということになる。図
２の決定ネットワークは単一ルールに対するものであっ
たが、またルールの集まりに対しても決定ネットワーク
を用いることができる。

【００１８】図３は、図１に示したルールと次の表１に
示すルールに対する単一の決定ネットワークを示す図で
ある。

【表１】 このルールは次のことを示す。それは、その上にブロッ
クを持たないボックスがあり−（ｂｌｏｃｋ＾ ｏｎ
〈ｉｄ１〉）、このボックスは重さが３．０より重く、
およびこのボックスとピラミッドは同じ材料からできて
おりかつ同じ色を持つ場合、このボックスの上にそのピ
ラミッドを置くことができる。

【００１９】図３で説明を続ける。決定ネットワーク３
０１は３０３でデータ項目を受け入れる。このデータ項
目には、ブロックとボックスとピラミッドのクラスの項
目があるため、３ブランチ３０４、３１３、３２１があ
る。各ブランチの頂部にそのクラスに対するテスト（エ
レメント３０５、３１５、３２３）がある。ブロックに
対するブランチ３０４に始まり、このｐｕｓｈ＿ｐｙｒ
ａｍｉｄルールは、ボックスに対するウイズイン・テス
トおよびボクッスとピラミッドに対するビトウイン・テ
ストにパスしたボクッスをテストし、すでにその上にブ
ロックを持つかその正否を決めるように求める。従って
そのブロック・データ項目を全部後で用いることができ
るように結果キャッシュ３０９で保存する必要がある。

【００２０】この場合には、前記両方のルールからブロ
ックに対するウイズイン・テストをボックス３０７にお
いてこのブロックに適用し、パスしたブロックを結果キ
ャッシュ３１１に蓄積する。ボックスに対するブランチ
３１３に続き、再び前記両方のルールからボックスに適
用するウイズイン・テストをボックス３１７においてこ
のボックスに行い、このテストにパスしたデータ項目を
結果キャッシュ３１９に蓄積する。ピラミッド・クラス
のデータ項目の場合には、ビトウイン・テストはある
が、ウイズイン・テストはなく、従ってこのデータ項目
はすべて結果キャッシュ３２５に蓄積される。ブロック
３２７はブロックとボックスに対するビトウイン・テス
トで、このビトウイン・テスト３２７をパスしたブロッ
クとボックスのデータ項目に対し、ルールで指定したこ
のブロックをそのボックス上に置くというアクション３
２４を行う。

【００２１】ここで注目点は、このアクション実施が結
果キャッシュ３０９に蓄積したブロックの属性に影響を
及ぼすことである。ブロック３３１はボックスとピラミ
ッドに対するビトウイン・テストであり、これをパスし
たボックスとピラミッドを結果キャッシュ３３３に蓄積
する。次にビトウイン・テスト３３５は、結果キャッシ
ュ３３３からの各前記ボックスをチェックして結果キャ
ッシュ３０９におけるブロックの中でそのボックス上に
あるブロックを求める。もし無い場合には、２番目のル
ールのアクションが適当なピラミッドの属性を変えてそ
のボックス上にこのピラミッドがある（３３７）とす
る。

【００２２】決定ネットワークの効率増加 ルール・ベース・システムが働く各データ項目は決定ネ
ットワークを通らなければならないので、この決定ネッ
トワークの効率は全体としてそのルール・ベース・シス
テムの効率に重要な役目をする。この決定ネットワーク
の効率を向上させる一つの方法に、実施するテストの総
数を少なくするようにこのテストの順序づけを行う方法
がある。これはその決定ネットワークを通るデータ項目
のフローを最小にすることにより可能となる。好ましい
実施例で説明すると、このデータ項目フローの最小化は
次のように行う。

【００２３】それは条件要素１０７を条件要素の重みの
減少順の交差積グループに順序づけし交差積効果に基づ
いて各交差積グループ内にその条件要素を順序づけして
最小化する。条件要素の交差積グループはビトウイン・
テストを共用する条件要素の集まりである。従って条件
要素１０７（０）と条件要素１０７（１）は一つの交差
積グループに属する。この交差積効果とはこの決定ネッ
トワークを通りさらに交差積の大きさを減少する際にこ
の条件要素が有する効果を指す。交差積グループの条件
要素の重みとは、その交差積グループの最上位条件要素
の重みである。好ましい実施例では、条件要素の重みは
次の因子により決める。

【００２４】・その条件要素においてそのテストに失敗
するデータ項目数 ・そのネットワークにおいてその条件要素のテストに続
く結果キャッシュの大きさに及ぼすその効果 ・後続する結果キャッシュにおけるデータ項目の短期レ
ジデンスに及ぼすその効果 ・その条件要素においてそのテストをデータ項目に適用
する確率である。

【００２５】前記因子の中の最後の因子は単に次の事実
を示すものである。それは、この決定ネットワークの頂
部からテストが離れるほどそのテストをあるデータ項目
に適用する確率が小さくなる。この条件要素の重みは次
の原理に従ってこれらの因子から決める。それは、その
テストに失敗するデータ項目が多いほど、その結果キャ
ッシュが小さいほど、データ項目の短期レジデンスが小
さいほど、データ項目にテストを適用する確率が大きい
ほど、その条件要素の重みは大きい。

【００２６】意思決定システムの概要 図４は本発明を用いる意思決定システム４０１の概要を
示す図である。ただし、この図の４０３部は既知のタイ
プの意思決定システム部である。意思決定システム４０
３にはルール・メモリ４０７があり、これはルール１０
１の集まりを蓄積するメモリである。既述のように、ル
ール・メモリ４０７におけるこのルール１０１が意思決
定システム４０３のデータ項目の処理の仕方を決める。
システム・ジェネレータ４０９はルール・メモリ４０７
におけるこのルールを用いてそのデータを実際に処理す
る実システムを生成する。システム・ジェネレータ４０
９は、コンパイラまたはインタプリタであることが可能
である。

【００２７】このルールからシステム・ジェネレータ４
０９はこのシステムの二つの要素のアクション４１７と
決定ネットワーク４１９を生成する。アクション４１７
は、ルール右側を実行する場合にこのシステムが行うア
クションに対し実行可能なコードである。決定ネットワ
ーク４１９は、ルール・メモリ４０７におけるこのルー
ルの集まりに対する決定ネットワーク２０１である。意
思決定システム４０３の動作は次の通りである。このシ
ステムのユーザは、先に書き込んだルールの集まりをル
ール・メモリ４０７にロードする。次に、システム・ジ
ェネレータ４０９はこのルールを用いてアクション４１
７に対するコードを生成し、決定ネットワーク４１９を
形成してこのルールにおけるテストが規定したテストを
行う。

【００２８】このコード４１７と決定ネットワーク４１
９の生成ずみにより、意思決定システム４０３の実行準
備完了状態となる。このシステムでは、先にデータ・メ
モリ４１１にロードしたデータ項目のストリームを決定
ネットワーク４１９に送り、これで前記のようにこのデ
ータ上にテストを行う。データ項目が決定ネットワーク
４１９の底部にまで通り抜けると、アクション４１７で
そのコードを実行しそのアクションを行う。このアクシ
ョンには矢印４１８で示すようにデータ・メモリ４１１
でデータ項目に変更を行なわせ矢印２２０で示すように
ルール・メモリ４０７でルールに変更を行なわせること
がそれぞれできる。

【００２９】ここで説明したようなシステムには例えば
次のような詳細な記載がある。エル・ブラウンストン
（Ｌ．Ｂｒｏｗｎｔｓｏｎ）、アール・ファレル（Ｒ．
Ｆａｒｒｅｌ）、ディ・カント（Ｄ．Ｋａｎｔ）あよび
エヌ・マーチン（Ｎ．Ｍａｒｔｉｎ）、ＯＰＳ５におけ
るエキスパート・システムのプログラミング、イントロ
ダクション・ツー・ルール・ベース・プログラミング、
アディソン−ウェスリ〓（Ａｄｄｉｓｏｎ−Ｗｅｓｌｅ
ｙ）、レディング、マサチューセッツ、１９８５年を参
照のこと。

【００３０】動的最適化可能意思決定システム４０１ 意思決定システム４０３の挙動を最適化するために本発
明を用いようとする場合には、図４の４０５部に示す要
素を加え、動的最適化可能意思決定システム４０１を生
成する。この要素には次の計装４２１とアナライザ４２
９がある。計装４２１を決定ネットワーク４１９に適用
して決定ネットワーク４１９内のデータ項目フローを決
める。アナライザ４２９は計装４２１が与える結果を解
析し、次に矢印４３１が示すようにルール・メモリ４０
７におけるルール１０１を再順序づけし、ルール・メモ
リ４０７におけるこのルールから決定ネットワーク４１
９をシステム・ヂェネレータ４０９が次に生成する場合
に、さらに有効な決定ネットワーク４１９がそのために
生じる。

【００３１】図５のフロー・チャート５０１は、動的最
適化可能意思決定システム４０１の動作を示す。動作に
は訓練モード５０３と運転モード５０５の２モードがあ
る。訓練モード５０３では決定ネットワーク４１９を最
適化するのに必要な情報を集めこの決定ネットワークを
最適化させ、運転モード５０５ではこの意思決定システ
ムをこの最適化した決定ネットワーク４１９で動作させ
る。訓練モード５０３でこの意思決定システムのユーザ
は、先ずこの最適化する意思決定システム４０３の用い
るデータ特性を持つサンプル・データを得る（５０
９）。次に計装４２１を活動化（５１１）し、このサン
プル・データでこの意思決定システムを実行するとアナ
ライザ４２９は、このサンプル・データにより決定ネッ
トワーク４１９の挙動の求めに応じルール・メモリ４０
７においてそのルールを再順序づけする（５１３）。

【００３２】意思決定システム４０１を訓練モードで数
回実施可能（ループ５１７）で、この訓練モードで行う
そのルールの再順序づけに、自動的再順序づけ法をその
ユーザが行う手動的再順序づけ法と組み合わすことがで
きる。この再順序づけを完了すると、ルール・メモリ４
０７におけるこの再順序づけしたルールの求めに応じこ
の決定ネットワーク４１９を再構築する（５１９）。こ
の時点において、この再構築決定ネットワーク４１９で
最適化を継続（ループ５２１）するか、またはこの計装
を非活動化（５２２）し、この意思決定システムを運転
モード５０５で実行する。運転モードにおいては、この
意思決定システムをその実際の通常データ（５２３）で
実行する（５２５）。

【００３３】本発明の好ましい計装とアナライザの実施
例 以下に、計装４２１とアナライザ４２９の好ましい実施
態様を詳しく説明する。ここでは、最適化に用いる計装
の種類やこの計装からの情報を用いて最適化を行う方法
を詳しく説明する。 ルール例とその決定ネットワーク 本説明を通して図６に示すルール６０１を例として取り
扱う。ルール６０１は、ハイ・レベル合成システムから
取り上げる。これは、加算、減算、または乗算の演算に
より得られた結果のその後の利用の解析から、その結果
が持つと考えられるビット数を決め、次にその正しい加
算、減算、または乗算のハードウエアを選択してこの演
算を行う。

【００３４】ルール６０１左側には、１２の条件要素６
０３があり、この符号番号６０３の後にその条件要素の
番号を付して参照する。例えば、条件要素６０３（２）
は図６において３番目の条件要素を指す。図７と図８
は、最適化前の意思決定システム４０１で生成した決定
ネットワーク８０１を示す。図７に示す決定ネットワー
ク８０１の７０１部は最適化前後で同じで不変部であ
る。ただし、最適化によりウイズイン・テストのある集
まりにおいてテストの順序変更がさらに可能である。図
７で番号を付した出力を、ビトウイン・テスト・ノード
に入力として図８に示す。例えば、図７の出力０と出力
１は、図８の最初のビトウイン・テストへの入力であ
る。

【００３５】図８において、各ビトウイン・テストのか
ぎ括弧の名称は、その変数の縛りをテストしている変数
の名称である。波括弧のナンバは、そのサンプル・デー
タの集まりに対しノードで行うテストのナンバを示す。
図８に見ることができるように、行うテスト・ナンバは
０ないし３７０、９８０の範囲であり、テスト総数は４
１９、３７３である。さらに、最大テスト・ナンバはこ
の決定ネットワークにおいては比較的下方にあり、ここ
では３７０、９８０と１３、７４０を挙げることができ
る。

【００３６】決定ネットワーク４１９の計装化 先に説明したように、決定ネットワーク４１９の最適化
には、各条件要素に対する条件要素重みを決めるステッ
プ、この条件要素を条件要素グループに順序づけするス
テップ、および交差積グループにおける各条件要素の交
差積効果を決めるステップがある。各条件要素の条件要
素重みとその交差積効果の決定は、決定ネットワーク４
１９の計装化により得た値を用いて行う。図１０は、好
ましい実施例で用いる計装１００１を示す図である。こ
の計装の形はカウンタである。ここには、下記に示すカ
ウンタの三つの集まりがある。

【００３７】・各ウイズイン・テストまたはビトウイン
・テスト１００３に対するカウンタで、このテストを行
う度ごとにインクリメントするカウンタ１００５。 ・各ウイズイン・テストまたはビトウイン・テスト１０
０３に対するカウンタで、そのテストの失敗の度ごとに
インクリメントするカウンタ１００７。 ・各結果キャッシュ１００４に対するカウンタで、デー
タ項目をこの結果キャッシュに書き込む度ごとにインク
リメントし、データ項目をこの結果キャッシュから削除
する度ごとにディクリメントするカウンタ１００９。 これらのカウンタからの値を用いて、ルール６０１にお
ける条件要素の条件要素重みを求めることが可能であ
る。

【００３８】交差積グループの決定 条件要素が属する交差積グループを、図１１に示すよう
な種類のグラフを作成して求める。グラフ１１０１にお
いて、各条件要素６０３をノード１１０３により示す。
各ノード１１０３にはエッジ１１０５があり、このエッ
ジ１１０５がそれをビトウイン・テストを共用する条件
要素に対するノードに結合する。ここで、条件要素６０
３（２）は変数〈ｉｎ〉、〈ｓｒｃ１〉及び〈ｓｒｃ
２〉に対するビトウイン・テストを持つ。条件要素６０
３（２）は、変数〈ｉｎ〉を条件要素６０３（１）と共
用し、変数〈ｓｒｃ１〉を条件要素６０３（４）と共用
し、さらに変数〈ｓｒｃ２〉を条件要素６０３（５）と
共用する。

【００３９】従って、条件要素６０３（２）に対しノー
ド１１０３はエッジ１１０５を有し、このエッジ１１０
５が条件要素６０３（１）、６０３（４）、６０３
（５）に対しこのノード１１０３と結合させる。好まし
い実施例において、グラフ１１０１は、各条件要素６０
３に対するレコードがあるようなデータ構造で示し、こ
のレコードにリンクしたリストを取り付け、このリスト
はこの条件要素に対するこのノードを別のノードに結合
するエッジを示す。このリンクしたリストの各要素は、
その条件要素が共用する変数を指定し、その別の条件要
素を示すノードへのポインタを含む。

【００４０】再順序づけアルゴリズム 先に説明したように、決定ネットワークにおけるデータ
項目フローを最小にするのは、条件要素重みの減少する
順の交差積グループにこの条件要素を順序づけし、およ
び交差積効果に基づいて各交差積グループ内のその条件
要素を順序づけして行う。好ましい実施例において、こ
の順序づけは、図１１に示すグラフおよび図１２に示す
アルゴリズムにおける計装１１０１が集めた値を用いて
行う。アルゴリズム１２０１には下記の３つのパートが
ある。それは、その条件要素の限定度を計算するパー
ト、その条件要素を交差積グループに順序づけするパー
ト、および交差積効果に基づいてその交差積グループ内
のその条件要素を順序づけするパートである。以下に、
限定度の計算から始めて、この３パートすべてを詳しく
説明する。

【００４１】限定度の計算 図１２に示すアルゴリズム１２０１の１２０３部は、下
記の表２に示す式により各条件要素の限定度を計算する
部分である。ここで、本式中の係数（ｃｏｅｆｆ）は経
験的に求め、下記評価関数を得た。

【表２】 ここで、本式中の項は次の通りである。ｗｔｅｓｔはウ
イズイン・テストの数を示す。ｂｔｅｓｔはビトウイン
・テストの数を示す。

【００４２】ｔｅｓｔ＿ｑｕａｌ＿ｍｅａｎはこのＣＥ
（条件要素）に対する全ビトウイン・テスト特性の平均
を示し、ここでビトウイン・テスト特性とはビトウイン
・テストの失敗度数対このビトウイン・テスト実施度数
の比である。ｗｍｅ＿ｓｉｚｅ＿ｄｅｖは下記のように
このＣＥのメモリ・サイズのその平均からの偏差を示
す。すなわち、ｗｍｅ＿ｓｉｚｅ＿ｄｅｖ＝（ｍｅｍｏ
ｒｙ＿ｓｉｚｅ−ｍｅａｎ＿ｍｅｍｏｒｙ＿ｓｉｚｅ）
／ｍｅａｎ＿ｍｅｍｏｒｙ＿ｓｉｚｅである。ここで、
ｍｅａｎ＿ｍｅｍｏｒｙ＿ｓｉｚｅは評価しているルー
ルの全条件要素のメモリ・サイズの平均を示す。さら
に、ｃｅ＿ｆｒｅｑ＿ｄｅｖは下記のようにこのＣＥの
頻度のその平均からの偏差を示す。

【００４３】すなわち、ｃｅ＿ｆｒｅｑ＿ｄｅｖ＝（ｃ
ｅ＿ｆｒｅｑ−ｃｅ＿ｆｒｅｑ＿ｍｅａｎ）／ｃｅ＿ｆ
ｒｅｑ＿ｍｅａｎである。ここで、ｃｅ＿ｆｒｅｑ＿ｍ
ｅａｎは評価しているルールのその条件要素の頻度平均
を示す。係数は、それぞれｃｏｅｆｆ１が４．０、ｃｏ
ｅｆｆ２が１．０、ｃｏｅｆｆ３が２．０、ｃｏｅｆｆ
４が３．０、およびｃｏｅｆｆ５が０．０１である。こ
れらの項はすべてこのＣＥ限定度を増加させる項、ただ
し負の寄与を持つｗｍｅ＿ｓｉｚｅ＿ｄｅｖを除く、で
ある。前記係数は下記実験により求めた。その評価関数
が与えられると、一つの係数を選び残りの係数を定数
値、例えば１．０に設定する。

【００４４】いろいろな値をその選択ＣＥに割り当て、
これらの値の各々に対してルール・システムを実行す
る。その最良結果を与える値を保持する。このようにし
て、各係数に対し初期値を得る。テストする各ルール・
システムに対し良好結果をその係数が与えるまで、これ
らの新しい値を用いてこのプロセスを繰り返す。下記に
前記式の利用を例示する。決定ネットワーク４１９を計
装し、ルール６０１を含むプログラムをしばらく（この
ルールの５０００ファイアリング以上）実行し、そのカ
ウンタの値を使用し前記関数を用いてその条件要素の限
定度を求め、下記に示す表３の結果を得た。

【表３】

【００４５】ここで、例えば、ＣＥ６０３（１０）に
は、２ウイズイン・テストおよび１ビトウイン・テスト
がある。このメモリ・サイズのその平均からの偏差は−
０．９８４４５６であり、ｗｍｅ＿ｓｉｚｅ＿ｄｅｖが
−１．０に近いほどそのメモリ・サイズが小さいことか
ら、これはその結果キャッシュ・メモリにデータ項目が
ほとんど無いＣＥである。また、ＣＥ６０３（１０）の
頻度のその平均からの偏差は０．３６８０９８であり、
このＣＥはその頻度がその平均以上のＣＥである。ま
た、ＣＥ６０３（１０）に対するテスト特性の平均は
０．７７５０００である。これらの項をすべて組み合わ
せて得た値の１３．５０７０４は、このルール内のＣＥ
１０の限定度を示す。

【００４６】ＣＥ６０３（０）にはｔｅｓｔ＿ｑｕａｌ
＿ｍｅａｎに割り当てる値が無いのは、これにはビトウ
イン・テストが無いためである。ルール６０１の第２の
ＣＥ６０３（２）には、特別なウイズイン・テストのデ
ィスジャンクション・テストがある。ディスジャンクシ
ョン・テストにおいては、多く値があるほど、そのテス
トは限定がより小さくなるテストである。ｎを値の数と
し、１／ｎをウイズイン・テストに対するカウンタに加
える。ただしこの比は経験的に求めた比である。ＣＥ６
０３（２）におけるウイズイン・テストではその演算コ
ードが“＋”であるか、“−”であるか、あるいは
“＊”であるかをチェックする。これは３値のリストの
あるディスジャンクションを含む。従って、このカウン
タに割り当てる総数は、１＋１／３＝１．３である。こ
れらの結果を適用して条件要素６０３を限定度により順
序づけすると、この順序は｛０、７、１０、１、６、１
１、２、８、４、５、３、９｝のＣＥ６０３（０）から
始まりＣＥ６０３（９）に終わるＣＥ順序となる。

【００４７】交差積グループへの条件要素の順序づけ アルゴリズム１２０１の１２０４部は、その条件要素を
交差積グループに順序づけする部分である。このアルゴ
リズムでは、限定度により順序づけした条件要素のリス
トと図１１に示すグラフの両者を用いる。このアルゴリ
ズムにおいて、〓“リーダ”と呼ぶ条件要素はこの要件
要素のリストに残された中で限定が最大の条件要素であ
る。この条件要素を選択条件要素リストに配置する。次
にこのリーダの後続の“サクセッサ”を別のリストの候
補条件要素のリストに加える。このリーダの“サクセッ
サ”は図１１に示すグラフにおいて下記の２条件を満た
すノードである。 ・このグラフでエッジがそのリーダに直接それらを結合
するもの。 ・選択条件要素リストに既に加えずみでないもの。

【００４８】さらに具体的に説明すると、このアルゴリ
ズムはルール６０１の条件要素について次のように進
む。最初に、リストはＣＥ６０３の集まりの全部を含
み、またｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓおよび
ｌｉｓｔ＿ｏｆ＿ｓｅｌｅｃｔｅｄは両者とも空リスト
である。これらを下記表４に示す。

【表４】 ここで、ＣＥ６０３（０）をリーダにプロモートしてい
るが、これは他のＣＥ６０３のいずれとも結合を持たな
い（図１１参照）ので、これにはサクセッサが無い。ｌ
ｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓに加えるものはな
にも無く、これらを下記表５に示す。

【表５】

【００４９】ｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓは
空であるため、新しいリーダを選択する必要がある。リ
ストではＣＥ６０３（７）が限定の最大のＣＥであり、
そのサクセッサがここで候補である。注意点はＣＥ６０
３（６）はＣＥ６０３（８）のサクセッサとは考えられ
ない、というのはそれらの間には明示の結合が無いため
であり、これらを下記表６に示す。

【表６】 ｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓからＣＥ６０３
を選択する前に可能な交差積を推定するが、それらを下
記表７に示す。

【表７】

【００５０】ＣＥ６０３（８）を選んで、そのサクセッ
サをｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓに加える。
これらを下記表８に示し、さらにその可能な交差積を推
定し、それらを表９に示す。

【表８】

【表９】

【００５１】この交差積の推定の後、ＣＥ６０３（１
０）を選択する。これに結合するＣＥはすべて既に選択
ずみのため、ｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓに
加えるものはなにも無い。これらを下記表１０に示す
が、またそのリストは表１０に示す通りである。

【表１０】 さらに、その交差積を再推定し、それらを下記表１１に
示す。

【表１１】

【００５２】ＣＥ６０３（３）を選び、ここで、ＣＥ６
０３（１）とＣＥ６０３（６）が候補となる。これらを
下記表１２に示す。また、その変数とリストは表１２に
示す通りである。

【表１２】 さらに、その可能な交差積を再推定し、それらを下記表
１３に示す。

【表１３】

【００５３】ＣＥ６０３（１）を選び、ＣＥ６０３
（２）をｌｉｓｔ＿ｏｆ＿ｃａｎｄｉｄａｔｅｓに加え
る。これらを下記表１４に示す。また、その変数とリス
トは表１４に示す通りである。

【表１４】 さらに、その可能な交差積を再推定し、それらを下記表
１５に示す。

【表１５】

【００５４】ＣＥ６０３（２）を選び、ここで、ＣＥ６
０３（４）とＣＥ６０３（５）が新しい候補である。こ
れらを下記表１６に示す。また、その変数とリストは表
１６に示す通りである。

【表１６】 さらに、その可能な交差積を再推定し、それらを下記表
１７に示す。

【表１７】

【００５５】ＣＥ６０３（４）を選び、ここで、新しい
候補は無い。これらを下記表１８に示す。また、その変
数とリストは表１８に示す通りである。

【表１８】 さらに、その可能な交差積を再推定し、それらを下記表
１９に示す。

【表１９】

【００５６】ＣＥ６０３（５）を選び、ここで、新しい
候補は無い。これらを下記表２０に示す。また、その変
数とリストは表２０に示す通りである。

【表２０】 さらに、その可能な交差積を再推定し、それらを下記表
２１に示す。

【表２１】

【００５７】ＣＥ６０３（６）を選び、ここで、ＣＥ６
０３（１１）が候補である。これらを下記表２２に示
す。また、その変数とリストは表２２に示す通りであ
る。

【表２２】 さらに、その可能な交差積を再推定し、それらを下記表
２３に示す。

【表２３】

【００５８】ＣＥ６０３（９）を選び、ここで、新しい
候補は無い。これらを下記表２４に示す。また、その変
数とリストは表２４に示す通りである。

【表２４】 さらに、その可能な交差積を再推定し、それらを下記表
２５に示す。ここで、注意点は次の通りである。ＣＥ６
０３（９）の選択前は、ＣＥ６０３（１１）とその選択
ＣＥ間の結合はそのテスト〈ｂｏ〉であった。いったん
ＣＥ６０３（９）を選ぶとそのテスト〈ｂｉｔｏｕｐ〉
がアクティブになる。というのはそのテスト特性が〈ｂ
ｏ〉の特性よりよりハイであるので、その可能な交差積
が１６８．４５から３１．１８にドロップする。これが
ＣＥをｌｉｓｔ＿ｏｆ＿ｓｅｌｅｃｔｅｄに加える度ご
とにその可能な交差積を再推定する必要がある理由であ
る。

【表２５】

【００５９】ＣＥ６０３（１１）を選び、ここで、新し
い候補は無い。これらを下記表２６に示す。また、その
変数とリストは表２６に示す通りである。

【表２６】 候補が無いため、新しいリーダをリストから選ぶ必要が
ある。しかし、リストに残るものはなにも無いため、こ
のプログラムは終了する。得られたＣＥ６０３のシーケ
ンスを下記表２７に示す。

【表２７】

【００６０】意思決定システムの求める再順序づけ アルゴリズムの１２０４部により得られる再順序づけ
は、この意思決定システムの動作の仕方と関係する他の
条件にも左右される。その個々の意思決定システムの求
めに応じこれらの条件をその再順序づけリストに適用す
る必要がある。アルゴリズム１２０１の１２０９部は、
好ましい実施例を実施するＯＰＳ５システムに対しこれ
らの再順序づけを行う部分である。以下に、このアルゴ
リズムに対しまずその限定と次にそれらの結果を説明す
る。

【００６１】ＯＰＳ５における限定 このＯＰＳ５システムにおいては、無効にする条件要素
で可能なその順序づけにいくつかの限定がある。ルール
６０１には、このような無効にする条件要素は無いが、
ルールｐｕｓｈ＿ｐｙｒａｍｉｄには有り、それは条件
要素−（ｂｌｏｃｋ＾ ｏｎ〈ｉｄ１〉である。この再
順序づけの限定は次の通りである。 １．第１の条件要素を無効にはできない。 ２．第１の条件要素はＯＰＳ５の使用コンフリクト解消
戦略に左右される。 ３．＝以外のテストで条件要素はその変数を縛る条件要
素に先行してはならない。 ４．無効にする条件要素が１以上の変数を有する場合、
その変数を縛る無効にしない条件要素の後にそれを置か
なければならない。

【００６２】これらの限定の詳細は次の通りである。第
２の限定については、ＯＰＳ５においてコンフリクト解
消に対しＬＥＸとＭＥＡの２つの戦略がある。それらは
次の点で異なる。それは第２の方はそのルールの第１の
ＣＥとマッチするＷＭＥの新しさを特に強調するという
点である。現戦略がミーン・エンド解析（ＭＥＡ）であ
る場合とすると、新シーケンスにおける第１のＣＥはそ
の元のシーケンスにおける第１のＣＥであることが必要
である。第３の限定については、＝以外のテスト、つま
り〈〉、〈＝〉、〈、〈＝、〉＝、または〉、の場合
で、ＣＥはその変数を縛るＣＥに先行してはならない。
下記表２８に示す条件要素のシーケンスを考える。

【表２８】

【００６３】第２のＣＥは〉テストを持ち、まだｖａｒ
１を縛っていなかった場合で、条件要素のこのシーケン
スをイリーガルにする。第４の限定については、無効に
するＣＥが１以上の変数を有する場合、その変数を縛る
無効にしないＣＥの後にそれを置かなければならない。
図７と図９はルール６０１の条件要素をこのアルゴリズ
ムによる再順序づけをした場合に得られた決定ネットワ
ーク９０１を示す。決定ネットワーク９０１のビトウイ
ン・テスト・ノードの最大ビトウイン・テストの数は１
２、３６６であるのに対し、決定ネットワーク８０１の
１つのビトウイン・テスト・ノードは３７０，９８０の
ビトウイン・テストの数で、ビトウイン・テストの総数
は４１９，３７４から５８，８２５に減少した。さら
に、このビトウイン・テスト数減少の最大部は決定ネッ
トワーク９０１の後部である。

【００６４】ウイズイン・テストの再順序づけ 好ましい実施例として、次のようにして決定ネットワー
ク９０１をさらに有効にすることができる。それは限定
の最大のウイズイン・テストが始めに来るようにウイズ
イン・テスト・ノードでそのウイズイン・テストを再順
序づけして行う。限定の最大のウイズイン・テストとは
その失敗の百分率が最大のウイズイン・テストを指す。
この値は、各ウイズイン・テストで用いるカウンタから
当然得ることができる。

【００６５】アナライザ４２９の詳細と図１３ 図１３はアナライザ４２９の詳細ブロック図で、これが
好ましい実施例においてアルゴリズム１２０１を実行す
る。このアリゴリズムを実際に実行するアナライザ４２
９の実行部はシステム・リオルガナイザ１３１３であ
る。これが処理するデータには下記のテスト・カウンタ
１３０１と結果キャッシュ・カウンタ１３０３のデータ
がある。テスト・カウンタ１３０１にはこの決定ネット
ワークで行う各テストに対するカウンタ１００５、１０
０７がある。結果キャッシュ１３０３にはこの決定ネッ
トワークの各結果キャッシュに対するカウンタ１００９
がある。

【００６６】矢印で図示するように、システム・リオル
ガナイザ１３１３はこれらのカウンタを読取り前述のよ
うにそれらの値を用いて各条件要素の限定度を求める。
このプロセスの結果がその条件要素のリスト１３０７
で、これは限定の最大の条件要素を最初にして限定度に
より順序づけをしたリストである。既に詳しく説明した
ように、この次のステップはグラフ１１０１とリスト１
３０７を用いて選択した条件要素のリスト１３１１を生
成するステップである。最後に、このリストを特定の意
思決定システムの求めに応じ再編成する。この際、シス
テム・リオルガナイザ１３１３はルール・メモリ４０３
においてルールを再編成する。

【００６７】システム４０１の詳細動作 前述のように、システム４０１の好ましい実施例には、
訓練モードと運転モードの２モードがある。訓練モード
においてこのカウンタは動作するのに対し運転モードで
はそれは動作しない。運転モードでこの好ましい実施例
をセットアップし実行するコマンドがｍａｋｅ、ｒｅｍ
ｏｖｅおよびｒｕｎである。ｍａｋｅはデータ項目をこ
のシステムに加えその新データ項目に対し必要に応じて
この決定ネットワーク状態を修正するコマンドである。
ｒｅｍｏｖｅはデータ項目を取り除きこの決定ネットワ
ーク状態を修正するコマンドである。ｒｕｎはこのデー
タ項目をそのルールに適用するコマンドである。

【００６８】訓練モードにおけるこの並列コマンドは、
ｍａｋｅ＿ｅｔ、ｒｅｍｏｖｅ＿ｅｔ、およびｒｕｎ＿
ｅｔである。この違いは、これらのコマンドを実行する
場合にそれらのカウンタが動作することである。訓練を
終了すると、そのｂｅｔａコマンドによりシステム４０
１を再編成する。実行する際には、このコマンドが前記
アルゴリズムを用いてこのルールにおける条件要素を再
順序づけし、次にその再順序づけしたルールによる求め
に応じて新決定ネットワーク４１９を構築する。ここ
で、そのｓｔｏｒｅとｒｅｃｏｖｅｒのコマンドを用い
ると訓練をさらに容易に実施できる。ｓｔｏｒｅは、訓
練を中断したり後で再開したりできるようにファイルで
このカウンタ状態をセーブするコマンドである。

【００６９】ｒｅｃｏｖｅｒはｓｔｏｒｅによりセーブ
した値でファイルを単に読取りそれにカウンタをセット
するコマンドである。システム４０１についての統計は
そのｉｎｆｏ、ｔｅｓｔｓ、およびｓａｖｅ＿ｏｒｄｅ
ｒのコマンドを用いて収集する。ｉｎｆｏは決定ネット
ワーク４１９の現状を示すコマンドで、それの持つ各種
ノードの数やファイアしたルールの数、実施したテスト
の数、また失敗したテストの数その他の情報である。ｔ
ｅｓｔｓは各ルールで実行したビトウイン・テストの数
を与えるコマンドである。最後に、ｓａｖｅ＿ｏｒｄｅ
ｒはそのｂｅｔａコマンドにより生成した新条件要素シ
ーケンスを示すコマンドである。

【００７０】結論 以上の本発明の説明は、使用しようとするデータ・サン
プルに応答して最適化可能な意思決定装置とその作成・
使用法に関するもので、本発明の実施に際し本発明者ら
が現時点で知る最良の実施態様を好ましい実施例として
説明した。この技術分野の当業者であれば、本発明の種
々の変形例が考え得るが、それらはいずれも本発明の技
術範囲に包含される。たとえば、好ましい実施例をルー
ル・ベース・システムにおける実施で説明したが、本発
明は大多数のデータ項目にテストを適用するシステムに
おいて、そのいずれにも適用することが可能である。

【００７１】さらに、好ましい実施例では、決定ネット
ワークを用いてこの決定ネットワークを最適化するよう
に条件要素を順序づけして実施するが、本発明は決定ネ
ットワークに限定するものではなく、決定基準をそのデ
ータに適用する順序を変更して最適化を得ることが可能
な配置では、そのいずれにも本発明は適用することが可
能である。同様に、好ましい実施例では、この決定ネッ
トワークを計装化するのにカウンタを用いたが、決定基
準を適用するのにその実施態様で使用する方法に適する
計装が本発明では使用可能である。また、当然のことで
あるが、条件要素の限定度を求めるのに用いる式も本装
置に用いた計装により変わる。

【００７２】さらにまた、好ましい実施例では、別々の
テストと運転モードを用いたが、本発明は連続の運転モ
ードで動作する他の実施態様も可能であり、ここではそ
の計装は常にアクティブでありそのアナライザはその計
装の結果を周期的に用いてその条件要素の再順序づけを
行う。この決定基準を適用しようとするデータに変化が
ある場合に、そのデータ変化にこの実施態様を自動的に
また動的に合わせる事も可能である。最後ではあるが、
以上の本発明の説明の好ましい実施例では、ＯＰＳ５ル
ール・ベース・システムを用いた。このためにこのシス
テムに特有な実施態様もいくつか前記説明で指摘した
が、このシステム以外のシステムを用いる場合にはその
システムに特有な実施態様もいくつか含まれることは当
然のことである。

【００７３】

【発明の効果】以上述べたごとく、処理しようとするデ
ータの性質に応じてデータに適用する基準の順序づけを
自動的に行うような本発明の方法により、基準適用のシ
ステムとデータに詳しい熟練者の手間と時間が繰り返し
費やされることが無く、有効な意思決定最適化システム
を提供することができる。

【図面の簡単な説明】

【図１】ルール例を示す図である。

【図２】決定ネットワーク例を示す図である。

【図３】第２の決定ネットワーク例を示す図である。

【図４】。本発明の実施態様を示すブロック図である。

【図５】本発明の動作を示す流れ図である。

【図６】別のルール例を示す図である。

【図７】図６のルールから得た決定ネットワークの第１
の部分を示す図である。

【図８】図７の決定ネットワークの第２の部分を示す図
である。

【図９】本発明の最適化後の第２の部分を示す図であ
る。

【図１０】好ましい実施例の計装を示すブロック図であ
る。

【図１１】本発明に用いるグラフを示す図である。

【図１２】好ましい実施例に用いるアルゴリズムの擬似
コードを示す図である。

【図１３】アナライザ４２９の好ましい実施例を示す詳
細ブロック図である。

【符号の説明】

１０１ ルール １０３ ルール（左側） １０５ ルール（右側） １０７ 条件要素（例、１０７（０）） １０９ アクション １１１ ウイズイン・テスト １１３ ビトウイン・テスト １１７ ブロック ２０１ 決定ネットワーク ２０２ クラス・テスト（例、２０２（０）） ２０３ 決定ネットワーク・エレメント ２０４ ブランチ（例、２０４（０）） ２０５ ウイズイン・テスト（例、２０５（０）） ２０７ 結果キャッシュ（例、２０７（０）） ２０９ ビトウイン・テスト ２１１ 矢印 ３０１ 決定ネットワーク ３０３ 決定ネットワーク・エレメント ３０４ ブランチ ３０５ クラス・ブロック・テスト ３０７ ウイズイン・テスト ３０９ 結果キャッシュ（全ブロック） ３１１ 結果キャッシュ ３１３ クラス・ボックス・テスト ３１５ ブランチ ３１７ ウイズイン・テスト ３１９ 結果キャッシュ ３２１ ブランチ ３２３ クラス・ピラミッド・テスト ３２４ プッシュ＿ブロック（ｐｕｓｈ＿ｂｌｏｃｋ）
結果（アクション） ３２５ 結果キャッシュ ３２７ ビトウイン・テスト ３３１ ビトウイン・テスト ３３３ 結果キャッシュ ３３５ ビトウイン・テスト ３３７ プッシュ＿ピラミッド（ｐｕｓｈ＿ｐｙｒａｍ
ｉｄ）結果（アクション） ４０１ 意思決定システム ４０３ 意思決定システム（従来既知部） ４０５ 意思決定システム（本発明最適化法部） ４０７ ルール・メモリ ４０９ システム・ジェネレータ ４１１ データ・メモリ ４１７ （コード）アクション ４１８ 矢印 ４１９ 決定ネットワーク ４２０ 矢印 ４２１ 計装 ４２９ アナライザ ４３１ 矢印 ５０１ フロー・チャート ５０３ 訓練モード ５０５ 運転モード ５０９ テスト・データ取得 ５１１ 計装活動化 ５１３ テスト・データでシステム４０１実行 ５１５ 計装構成でＣＥ再順序づけ ５１７ ループ ５１９ 決定ネットワーク再構築 ５２１ ループ ５２２ 計装非活動化 ５２３ 実データ取得 ５２５ 実データでシステム４０５実行 ６０１ ルール ６０３ 条件要素（例、６０３（０）） ７０１ 決定ネットワーク（第１の部分） ８０１ 決定ネットワーク（第２の部分） ９０１ 決定ネットワーク（本発明の最適化後の第２の
部分） １００１ 計装 １００３ テスト １００４ 結果キャッシュ １００５ カウンタ（テスト実施度数） １００７ カウンタ（テスト失敗度数） １００９ カウンタ（結果キャッシュのデータ項目） １１０１ グラフ １１０３ ノード １１０５ エッジ １２０１ アルゴリズム １２０３ アルゴリズムの一部分 １２０４ アルゴリズムの一部分 １２０５ アルゴリズムの一部分 １２０７ アルゴリズムの一部分 １２０９ アルゴリズムの一部分 １３０１ テスト・カウンタ １３０３ 結果キャッシュ・カウンタ １３０５ リスト １３０７ リスト １３０９ リスト（候補） １３１１ リスト（選択） １３１３ システム・リオルガナイザ

───────────────────────────────────────────────────── フロントページの続き (72)発明者 マリア ジーザス ペーマン スペイン、マドリード、コルメナー ビエ ジョ 28770、４ ディー、シー／コルド バ 15 (72)発明者 ジェィムズ アール． ロウランド アメリカ合衆国、07078 ニュージャージ ー、ショート ヒルズ、サッカレイ ドラ イブ 18

Claims (26)

【特許請求の範囲】
1. 【請求項１】 順序によりデータに決定基準を適用して
   意思決定を行う意思決定装置において、 その意思決定時に前記決定基準をそのデータに適用する
   適用量を減少するように前記順序を変更してそのデータ
   に応答する最適化手段を有することを特徴とする意思決
   定装置。
2. 【請求項２】 さらに、前記最適化手段は、 この意思決定装置の動作時にそのデータに前記決定基準
   の適用に関する情報を記録する計装手段と、 前記情報に応答して前記順序を変更する解析手段を有す
   ることを特徴とする請求項１に記載の意思決定装置。
3. 【請求項３】 さらに、この意思決定装置では、 前記決定基準を指定する各条件要素は１以上のテストを
   持ちかつこのテストは前記条件要素間に共用する変数に
   おけるテストを含むような条件要素で前記決定基準を指
   定し、 さらにまた、この意思決定装置では、 その解析手段は、各条件要素に対する限定度を決め、変
   数を共用する条件要素の集まりを決め、およびこの条件
   要素の順序を変更するために前記限定度と条件要素の前
   記集まりを用いることを特徴とする請求項２に記載の意
   思決定装置。
4. 【請求項４】 さらに、前記解析手段は、 前記条件要素を限定度により順序づけしたリストを作成
   するリスト作成手段と、 前記条件要素のグラフ図を作
   成して条件要素の前記集まりを決める手段において、各
   条件要素はこのグラフのノードであり、このグラフには
   エッジがあってこのエッジが任意の条件要素のノードを
   いずれかの条件要素のノードと結合しそれによりこの任
   意の条件要素がその変数の中の少なくとも１変数を共用
   するような前記条件要素のグラフ図を作成して条件要素
   の前記集まりを決める手段を有し、および、 前記解析手段は、前記条件要素の前記順序を変更するた
   めに前記リストと前記グラフ図を用いることを特徴とす
   る請求項３に記載の意思決定装置。
5. 【請求項５】 さらに、前記決定基準をそのデータに適
   用する決定ネットワークを含み、さらにまた、前記決定
   ネットワークにおけるそのデータ・フローを最小にする
   ように前記最適化手段はその順序を変更することを特徴
   とする請求項１に記載の意思決定装置。
6. 【請求項６】 さらに、前記最適化手段は、 そのデータに前記決定ネットワークの動作に関する情報
   を記録する計装手段と、 その情報に応答してその順序
   を変更する解析手段を有することを特徴とする請求項５
   に記載の意思決定装置。
7. 【請求項７】 さらに、この意思決定装置では、 前記決定基準はウイズイン・テストとビトウイン・テス
   トを含有し、 前記決定ネットワークは、 前記ウイズイン・テストをそのデータ項目に適用する第
   １の要素と、 そのデータ項目を含有する結果キャッシュと、 前記結果キャッシュに含有するそのデータ項目に前記ビ
   トウイン・テストを適用する第２の要素を有し、 さらにまた、この意思決定装置では、 その計装手段は、 前記ウイズイン・テストと前記ビトウイン・テストおい
   てその各テストの実施度数を示す第１のカウンタと、 前記ウイズイン・テストと前記ビトウイン・テストにお
   いてその各テストの生じたある結果の度数を示す第２の
   カウンタと、 前記結果キャッシュにおいて各結果キャッッシュのデー
   タ項目数を示す第３のカウンタを有し、またさらに、 前記解析手段は前記カウンタの値に応答することを特徴
   とする請求項６に記載の意思決定装置。
8. 【請求項８】 さらに、この意思決定装置では、 前記決定基準を条件要素で指定し、 さらにまた、この意思決定装置では、 その解析手段は、前記条件要素を再順序づけし、また、 各前記条件要素に対する限定度値を計算するためおよび
   限定度値の減少順に順序づけする前記条件要素のリスト
   を作成するために前記カウンタの値を用いる手段を有
   し、および前記条件要素の再順序づけ時にこのリストを
   用いることを特徴とする請求項７に記載の意思決定装
   置。
9. 【請求項９】 さらに、この意思決定装置では、 その解析手段は前記決定基準の交差積の集まりを指定す
   る指定手段を有しさらにこの解析手段は前記カウンタの
   値に加えてこの指定交差積の集まりに応答することを特
   徴とする請求項７に記載の意思決定装置。
10. 【請求項１０】 さらに、この意思決定装置では、 条件要素間に共用する変数におけるテストを含有する条
    件要素で前記決定基準を指定し、および、 前記条件要素のグラフ図を含有する交差積の集まりを指
    定する前記指定手段において、各条件要素はこのグラフ
    のノードであり、このグラフにはエッジがあってこのエ
    ッジが任意の条件要素のノードをいずれかの条件要素の
    ノードと結合しそれによりこの任意の条件要素がその変
    数の中の少なくとも１変数を共用するような前記条件要
    素のグラフ図を交差積の集まりを指定する前記指定手段
    は有することを特徴とする請求項９に記載の意思決定装
    置。
11. 【請求項１１】 さらに、この意思決定装置では、 その解析手段は、さらに、 各前記条件要素に対する限定度値を計算するために前記
    カウンタの値を使用するカウンタ値使用手段と、 条件要素の交差積効果を計算するために前記第３のカウ
    ンタ値を使用する第３カウンタ値使用手段を有し、さら
    にまた、 前記条件要素を順序づけするために、前記第１のリスト
    と前記グラフ図と前記交差積効果を用いる前記解析手段
    において、 １．限定度の減少する順序による前記条件要素の限定度
    リストを作成するステップと、 ２．前記限定度リストにおいて第１の条件要素から開始
    し、一方でこの前記限定度リストに条件要素を残しなが
    ら、 ａ．選択リストにその条件要素を加えて前記限定度リス
    トからその条件要素を除去し、 ｂ．前記選択リストに加えたその条件要素と同じ交差積
    の集まりに属するその条件要素を決めるために前記グラ
    フ図を用い、 ｃ．これら条件要素を候補リストに加え、 ｄ．一方で前記候補リストに条件要素を存在させなが
    ら、 ｉ．前記候補リストにおける前記条件要素の中で可能な
    最大交差積を持つ条件要素を決めこの条件要素を選択す
    るように前記第３のカウンタからの第３の値を使用し、 ｉｉ．前記選択リストにこの条件要素を加えて前記限定
    度リストからこの条件要素を除去し、および ｉｉｉ．前記選択リストに加えたその条件要素と同じ交
    差積の集まりに属するいずれかの条件要素をきめるよう
    に前記グラフ図を用い、および、 ｉｖ．これらの条件要素を前記候補リストに加えること
    を行うステップを実施して前記条件要素を順序づけする
    ためにその解析手段は前記第１のリストと前記グラフ図
    と前記交差積効果を用いることを特徴とする請求項１０
    に記載の意思決定装置。
12. 【請求項１２】 さらに、この意思決定装置では、 前記最適化手段が生成したこの変更順序は、さらに、こ
    の意思決定装置が加えたいずれかの必要条件を表すこと
    を特徴とする請求項１、２、または５のいずれかに記載
    の意思決定装置。
13. 【請求項１３】 さらに、この意思決定装置は、訓練モ
    ードと運転モードを有し、および、 前記最適化手段はこの訓練モードにおいてのみ動作する
    ことを特徴とする請求項１、２、または５のいずれかに
    記載の意思決定装置。
14. 【請求項１４】 さらに、この意思決定装置が運転モー
    ドで動作する場合のデータを表すテスト・データに訓練
    モードでこの意思決定装置が動作することを特徴とする
    請求項１３に記載の意思決定装置。
15. 【請求項１５】 さらに、この意思決定装置では、 前記最適化手段は現状態を保持する手段とこの現状態を
    保存する手段を有し、 それによりその訓練モードにおける動作の中断と継続が
    可能とする保持手段と保存手段を有することを特徴とす
    る請求項１３に記載の意思決定装置。
16. 【請求項１６】 順序によりデータに決定基準を適用し
    て意思決定を行う意思決定装置の動作を自動的に最適化
    する動作自動的最適化法において、 前記決定基準をそのデータに適用する方法を示す値を得
    るようにこの意思決定装置を計装化する計装ステップ
    と、 そのデータに前記計装化意思決定装置を動作させるオペ
    レーション・ステップと、 その意思決定時に前記決定基準をそのデータに適用する
    適用量を減少するように前記順序を変更することにより
    前記オペレーションの結果得た値に応答する応答ステッ
    プを有することを特徴とする意思決定装置の動作自動的
    最適化法。
17. 【請求項１７】 前記決定基準を指定する各条件要素は
    １以上のテストを持ちかつこのテストは前記条件要素間
    に共用する変数におけるテストを含むような条件要素で
    前記決定基準を指定し、さらにその値に応答する前記応
    答ステップは、 各条件要素に対し限定度を決める限定
    度決定ステップと、 変数を共用する条件要素の集まりを決める条件要素の集
    まり決定ステップと、 この条件要素の順序を変更するために前記限定度と条件
    要素の前記集まりを用いる使用ステップを有することを
    特徴とする請求項１６に記載の動作自動的適化法。
18. 【請求項１８】 さらに、前記条件要素を限定度により
    順序づけするリストを作成するリスト作成ステップと、 前記条件要素の集まり決定ステップは前記条件要素のグ
    ラフ図を作成するステップを有し、このグラフ図作成ス
    テップにおいては、各条件要素はこのグラフのノードで
    あり、このグラフにはエッジがあってこのエッジが任意
    の条件要素のノードをいずれかの条件要素のノードと結
    合しそれによりこの任意の条件要素がその変数の中の少
    なくとも１変数を共用するような前記条件要素のグラフ
    図を作成するステップを有する前記条件要素の集まり決
    定ステップと、さらに、 前記限定度と条件要素の前記集まりを用いる使用ステッ
    プは前記リストと前記グラフ図を用いる使用ステップで
    あり、さらにこの使用ステップを有することを特徴とす
    る請求項１７に記載の動作自動的最適化法。
19. 【請求項１９】 この意思決定装置は前記決定基準をそ
    のデータに適用する決定ネットワークを有し、 この意思決定装置を計装化する計装ステップは前記決定
    ネットワークを計装化するステップを有し、さらに、 さらにその値に応答する前記応答ステップは前記決定ネ
    ットワークにおけるそのデータ・フローを最小にするよ
    うにその順序を変更するステップを有することを特徴と
    する請求項１６に記載の動作自動的最適化法。
20. 【請求項２０】 前記決定基準はウイズイン・テストと
    ビトウイン・テストを有し、 前記決定ネットワークは、 前記ウイズイン・テストをそのデータ項目に適用する第
    １の要素と、 そのデータ項目を含有する結果キャッシュと、 前記結果キャッシュに含有するそのデータ項目に前記ビ
    トウイン・テストを適用する第２の要素を有し、 さらに、この意思決定装置を計装化する計装ステップ
    は、 前記ウイズイン・テストと前記ビトウイン・テストにお
    いてその各テストの実施度数を示す第１の値を生成する
    第１のカウンタを配置するステップと、 前記ウイズイン・テストと前記ビトウイン・テストにお
    いてその各テストの生じたある結果の度数を示す第２の
    値を生成する第２のカウンタを配置するステップと、 前記結果キャッシュにおいて各結果キャッシュのデータ
    項目数を示す第３のカウンタを配置するステップを有す
    ることを特徴とする請求項１９に記載の動作自動的最適
    化法。
21. 【請求項２１】 この動作自動的最適化法では、 前記決定基準を条件要素で指定し、 および、この意思決定装置では、さらに、 その値に応答する前記応答ステップは前記条件要素の順
    序を変更し、さらに、この前記応答ステップは、 各前記条件要素に対し限定度値を計算するのに第１と第
    ２と第３の前記値を用いるステップと、 限定度値の減少順に順序づけする前記条件要素の第１の
    リストを作成するステップを有することを特徴とする請
    求項２０に記載の動作自動的最適化法。
22. 【請求項２２】 その値に応答する前記応答ステップ
    は、さらに、 前記決定基準の交差積の集まりを指定する指定ステップ
    と、 その順序を変更するために前記交差積の集まりと第１と
    第２と第３の前記値を用いるステップを有することを特
    徴とする請求項２０に記載の動作自動的最適化法。
23. 【請求項２３】 この動作自動的最適化法では、 前記決定基準を条件要素で指定し、 交差積の集まりを指定する前記指定ステップは、さら
    に、 前記条件要素のグラフ図を作成するステップのグラフ図
    において、各条件要素はこのグラフのノードであり、こ
    のグラフにはエッジがあってこのエッジが任意の条件要
    素のノードをいずれかの条件要素のノードと結合しそれ
    によりこの任意の条件要素がその変数の中の１変数を共
    用するような前記条件要素のグラフ図を作成するステッ
    プと、 交差積の集まりを指定する前記指定ステップが、さら
    に、前記グラフ図を用いるグラフ図使用ステップを有す
    ることを特徴とする請求項２２に記載の動作自動的最適
    化法。
24. 【請求項２４】 さらに、この意思決定装置を計装化す
    る前記計装ステップとこの計装化意思決定装置を動作さ
    せるオペレーション・ステップと得たその値に応答する
    応答ステップを実施するに先だってこの意思決定装置を
    訓練モードにするステップと、 その順序を変更後、この意思決定装置をこの訓練モード
    にするステップをもはや行なわないで運転モードにする
    ステップを有することを特徴とする請求項１６、１７、
    または１９のいずれかに記載の動作自動的最適化法。
25. 【請求項２５】 この意思決定装置を訓練モードにする
    ステップは、この意思決定装置が運転モードで動作する
    場合のデータを表すテスト・データをそのデータとして
    用いるステップを有することを特徴とする請求項２４に
    記載の動作自動的最適化法。
26. 【請求項２６】 訓練モードで実施する前記ステップ
    は、さらに、前記計装の現状態を保持するステップと、 この保持現状態を元に復元するステップを有することを
    特徴とする請求項２４に記載の動作自動的最適化法。