【正文】 因素的對(duì)象BOT項(xiàng)日投標(biāo)決策模型發(fā)其應(yīng)用研究系統(tǒng)進(jìn)行綜合評(píng)價(jià)，而且更加適宜于評(píng)價(jià)因素多、結(jié)構(gòu)層次多的對(duì)象系統(tǒng)；不足之處是FCE過程本身并不能解決評(píng)價(jià)指標(biāo)間相關(guān)性造成的評(píng)價(jià)信息重復(fù)問題，隸屬函數(shù)的確定還沒有系統(tǒng)的方法。5．?dāng)?shù)理統(tǒng)計(jì)方法數(shù)理統(tǒng)計(jì)方法主要是應(yīng)用其中的主成分分析(Principal ComponentAnalysis)、因子分析(FactorAnalysis)、聚類分析(ClusterAnalysis)、判別分析(Discrimination Analysis)等方法對(duì)一些對(duì)象進(jìn)行分類和評(píng)價(jià)等。該類方法在環(huán)境質(zhì)量、經(jīng)濟(jì)效益的綜合評(píng)價(jià)以及工業(yè)主體結(jié)構(gòu)的選擇等方面得到了應(yīng)用。該方法是一種不依賴于專家判斷的客觀方法，優(yōu)點(diǎn)是可以排除評(píng)價(jià)中人為因素的干擾和影響，而且比較適宜于評(píng)價(jià)指標(biāo)間彼此相關(guān)程度較大的對(duì)象系統(tǒng)的CE；不足之處是該方法給出的評(píng)價(jià)結(jié)果僅對(duì)方案決策或排序比較有效，并不反映現(xiàn)實(shí)中評(píng)價(jià)目標(biāo)的真實(shí)重要性程度，其應(yīng)用時(shí)要求評(píng)價(jià)對(duì)象的各因素須有具體的數(shù)據(jù)值。6．灰色系統(tǒng)理論與灰色綜合評(píng)價(jià)方法灰色系統(tǒng)理論是中國學(xué)者鄧聚龍教授首先提出的，包括灰關(guān)聯(lián)度評(píng)價(jià)方法、灰色聚類分析方法、灰色局勢(shì)決策等。該方法的應(yīng)用領(lǐng)域包括企業(yè)的經(jīng)濟(jì)效益評(píng)價(jià)、農(nóng)業(yè)發(fā)展水平評(píng)估、國防競(jìng)爭(zhēng)力測(cè)算、工程領(lǐng)域等。方法的優(yōu)點(diǎn)是能夠處理信息部分明確、部分不明確的灰色系統(tǒng)，所需的數(shù)據(jù)量不是很大，可以處理相關(guān)性大的系統(tǒng)：不足點(diǎn)在于定義時(shí)間變量幾何曲線相似程度比較困難，同時(shí)應(yīng)該考慮所選擇的變量應(yīng)該具備可比性。7．遺傳算法隨著智能化計(jì)算機(jī)技術(shù)的發(fā)展，這類方法應(yīng)用領(lǐng)域不斷擴(kuò)大，涉及銀行貸款項(xiàng)目、股票價(jià)格的評(píng)估、城市發(fā)展綜合水平的評(píng)價(jià)、工程領(lǐng)域的分包人的選擇評(píng)價(jià)等。綜上所述，當(dāng)前綜合評(píng)價(jià)中存在的問題有：理論方法研究同實(shí)際應(yīng)用之間的銜接問題、評(píng)價(jià)的主觀性和群評(píng)價(jià)問題、評(píng)價(jià)專家的知識(shí)和經(jīng)驗(yàn)的獲取和評(píng)價(jià)樣本的積累問題、評(píng)價(jià)系統(tǒng)的規(guī)范性、可擴(kuò)充性問題。這些問題的存在對(duì)綜合評(píng)價(jià)工作提出了挑戰(zhàn)，在今后的研究工作中，綜合評(píng)價(jià)的研究趨勢(shì)將沿如下幾方面發(fā)展：對(duì)現(xiàn)有綜合評(píng)價(jià)方法加以改進(jìn)和發(fā)展、將幾種綜合評(píng)價(jià)方法綜合應(yīng)用、嘗試探索新的綜合評(píng)價(jià)方法、嘗試將綜合評(píng)價(jià)方法同人工智能方法及其他有關(guān)先進(jìn)技術(shù)方法綜合起來構(gòu)成集成式智能化評(píng)價(jià)支持系統(tǒng)。 CBR技術(shù)CBR技術(shù)是20世紀(jì)80年代末興起的一種基于經(jīng)驗(yàn)知識(shí)進(jìn)行推理的人工智能技術(shù)，同時(shí)也是人的一個(gè)認(rèn)知心理學(xué)模型，它強(qiáng)調(diào)人在解決新問題時(shí)，常?；貞浧疬^去積累下來的類似情況的處理，通過對(duì)過去類似情況處理的適當(dāng)修改來解決新問題，過去的類似情況及處理被稱為事例(Case)。運(yùn)用這一基本思想方法進(jìn)行專家系統(tǒng)的推理被稱為CBR技術(shù)，即基于事例推理技術(shù)。CBR技術(shù)反映了人類認(rèn)知科學(xué)研究的新成果，強(qiáng)調(diào)了人類對(duì)過去經(jīng)驗(yàn)和前人智慧的重視，并依靠它們指導(dǎo)人們解決新問題。 CBR技術(shù)的工作機(jī)理目前，有兩種研究人工智能的傾向，一種是關(guān)于智能理論的研究，目的是試圖理解人的思維與智能的本質(zhì)，主要研究?jī)?nèi)容是人的思維、人的認(rèn)知行為，包括記憶、學(xué)習(xí)、計(jì)劃和問題的求解機(jī)理等。另一種是關(guān)于智能技術(shù)的研究，目的是試圖建造完成一定任務(wù)的智能機(jī)，努力開發(fā)智能技術(shù)，使人們能夠設(shè)計(jì)并開發(fā)用于問題求解的智能計(jì)算機(jī)系統(tǒng)，并且使這種系統(tǒng)適應(yīng)于新的環(huán)境?；谑吕评淼难芯堪巳斯ぶ悄艿睦碚撆c技術(shù)兩個(gè)方面。基于事例的推理是人工智能研究中的重要推理方法，它是對(duì)人們求解現(xiàn)實(shí)問題的一個(gè)合理描述，也是人們解決現(xiàn)實(shí)問題的基本方法之一，因而在許多不同領(lǐng)域研究了有關(guān)基于事例推理的問題，其中包括自然語言的理解、爭(zhēng)端的調(diào)解和商業(yè)計(jì)劃等?；谑吕耐评砘谌说恼J(rèn)知心理過程，以過去的相關(guān)事例為基礎(chǔ)來進(jìn)行類比推理過程。在決策問題時(shí)，決策者應(yīng)用已求解過的類似的問題的經(jīng)驗(yàn)來進(jìn)行推理，不必從頭做起，因而這種推理方法也稱為基于經(jīng)驗(yàn)的推理。由于基于事例的推理是通過訪問過去問題的求解事例而獲得當(dāng)前問題求解方法的一種推理模式，因而它對(duì)于處理傳統(tǒng)的基于知識(shí)的推理所不能解決的問題非常有效，同時(shí)它還具有從事例的積累中進(jìn)行學(xué)習(xí)、自我完善的特點(diǎn)。CBR除了能完成一般的基于知識(shí)的推理具有的功能以外，還有它們不具備的優(yōu)點(diǎn)：它把知識(shí)工程的任務(wù)減少到特征的描述、術(shù)語定義、事例的收集與分類和把增添新的知識(shí)簡(jiǎn)化為向事例庫中增加新的事例。在最一般層次上，基于事例的問題求解方法涉及將一些先前己解決的問題的經(jīng)驗(yàn)與當(dāng)前需要解決的問題關(guān)聯(lián)起來，把需要解決的問題稱為目標(biāo)，而把過去己解決的問題及其描述稱為源，當(dāng)目標(biāo)與源之間存在相似性時(shí)就產(chǎn)生了相似結(jié)構(gòu)，其推理過程依賴于這種相似性。推理則完成源與目標(biāo)間的相似元素相互映射，基于事例問題求解的一般理論適應(yīng)于語法上差異很大的源類比元素和目標(biāo)元素間的映射，其中源類比物是從與目標(biāo)域同一個(gè)一般的問題域中抽取的，因而與目標(biāo)具有相同的語法結(jié)構(gòu)，類比源局限在同一問題類別中原先己求解過的事例?；谑吕膯栴}求解框架提供了一種在決策過程中對(duì)其求解過程更加清晰的范圍，在這個(gè)范圍中，目標(biāo)與過去的事例具有某種相似性。在基于事例的問題求解中決策者在對(duì)目標(biāo)的問題建立了內(nèi)心表象后，從事例庫中搜尋一個(gè)(或一些)有相似結(jié)構(gòu)的事例，并對(duì)這些事例進(jìn)行評(píng)估，然后選取最合適的事例作為類比源，源到目標(biāo)的映射是一種檢索過程，所有事例具有一些公共的特征集，源中的問題求解方法被轉(zhuǎn)換到目標(biāo)中，并加以補(bǔ)償那些映射不一致的特征，形成目標(biāo)問題的求解方案?；谑吕膯栴}求解方法非常適用于沒有很強(qiáng)的理論模型和領(lǐng)域知識(shí)不完全、難以定義或定義不一致而經(jīng)驗(yàn)豐富的決策環(huán)境中。從決策任務(wù)的適應(yīng)性觀點(diǎn)看，任務(wù)的結(jié)構(gòu)總在變化，而相應(yīng)的知識(shí)調(diào)整不可能完全反映深層的因果機(jī)制，這是基于事例推理有效解決問題的關(guān)鍵所在?；谑吕评淼姆椒ㄒ褟V泛應(yīng)用于構(gòu)造、診斷、預(yù)測(cè)、規(guī)劃高級(jí)制造業(yè)配置和分類等領(lǐng)域。 CBR方法求解問題的基本過程基于事例推理的一般步驟為：面對(duì)新問題，從事例庫中找出最相似事例，對(duì)找出相似事例進(jìn)行修改以使之完全滿足新問題的要求，得出新問題的解，形成新的事例，存入事例庫，以備將來檢索。按照以上步驟，CBR方法一般有以下幾個(gè)過程：①通過對(duì)現(xiàn)在問題的關(guān)鍵特征或關(guān)鍵詞賦值索引，來識(shí)別當(dāng)前問題的特征；②從事例庫中檢索有相似索引的解過的問題：③修改檢索到事例的解法，得到適用于新局面的解法：④測(cè)試這個(gè)解法，如果測(cè)試不成功，則轉(zhuǎn)⑤：⑤檢查失敗的原因，如果問題存在于索引和存取算法中，則修改索引規(guī)則，以解決這個(gè)問題，如果問題存在于修改過程中，則使用因果分析來確定失敗的原因，并試圖改正這個(gè)解法，如果測(cè)試成功則轉(zhuǎn)；⑥對(duì)現(xiàn)在的問題進(jìn)行索引賦值；⑦把現(xiàn)在問題局面存入事例庫中。其中事例檢索就是從事例庫中找出與目標(biāo)有關(guān)的事例，這個(gè)過程可分解為索引、檢索和選擇三個(gè)子過程。索引子過程確定以前事例中哪些特征與當(dāng)前的目標(biāo)相關(guān)，檢索子過程確定擁有全部或部分特征的事例，選擇子過程對(duì)檢索出的事例進(jìn)行評(píng)估，以選擇相似度最大的事例。事例調(diào)整過程是對(duì)新舊事例進(jìn)行比較，找出差異，并對(duì)其進(jìn)行調(diào)整，以得到新問題的解。此過程可分為解決方案、評(píng)估和修改三個(gè)子過程。在事例調(diào)整過程中往往要經(jīng)過多次的修正、評(píng)估才能得到滿意的解。因此，這三個(gè)過程是循環(huán)往復(fù)的。2．3．2．3 CBR技術(shù)應(yīng)用研究現(xiàn)狀1．國外研究現(xiàn)狀1987年以來，國際研究界每年舉行CBR研討會(huì)，推動(dòng)了基于事例推理技術(shù)應(yīng)用的廣泛研究。英國的Costas Tsatsoulis等人于1993年開發(fā)了一個(gè)制造規(guī)劃系統(tǒng)TOLTEC，用來指導(dǎo)設(shè)計(jì)者進(jìn)行圓柱零件的工藝規(guī)劃、設(shè)計(jì)檢查、材料選擇““’。Price CJ于1995年利用CASPIAN開發(fā)了Wayland系統(tǒng)。該系統(tǒng)采用NN算法檢索，并根據(jù)以往事例和當(dāng)前設(shè)計(jì)的區(qū)別更改模具的參數(shù)，并驗(yàn)證新的模具解決方案是否在設(shè)計(jì)允許范圍之內(nèi)。美國的HaoYang等人于1996年開發(fā)了一個(gè)基于事例推理的軸類零件的CAPP系統(tǒng)，該系統(tǒng)采用特征來表示零件事例，并給出了一個(gè)相似事例的檢索的方法。通用公司于1997年丌發(fā)了一個(gè)基于CBR的塑料著色劑選擇系統(tǒng)，該系統(tǒng)在通用公司獲得廣泛應(yīng)用并節(jié)省了大量費(fèi)用。英國的J H M Tah等人于1999年介紹了一個(gè)關(guān)于橋梁工程的規(guī)劃和設(shè)計(jì)CBRidge系統(tǒng)，該系統(tǒng)能幫助設(shè)計(jì)者對(duì)橋梁進(jìn)行設(shè)計(jì)和工程規(guī)劃，系統(tǒng)中保存了大量過去的橋梁建設(shè)和施工的典型事例，通過檢索過去的事例來指導(dǎo)設(shè)計(jì)人員進(jìn)行設(shè)計(jì)和施工。新加坡的K S Lee_jfllC Luo等人研究了將CBR應(yīng)用于鑄造設(shè)計(jì)，開發(fā)了一個(gè)基于CBR的鑄模設(shè)計(jì)系統(tǒng)。Laurence Capus等人采用CBR根據(jù)文本上下文自動(dòng)生成總結(jié)。RAmen等人應(yīng)用CBR進(jìn)行材料選擇。許多軟件公司還研制了許多商品化的CBR系統(tǒng)開發(fā)工具，具有代表性的開發(fā)工具有KATE、SpotLight、ReMind、CBR Expres、Esteem、CBR．WorksRecall、CasePower以及IUCBRF系統(tǒng)等。2．國內(nèi)研究現(xiàn)狀我國對(duì)CBR的研究始于上個(gè)世紀(jì)90年代初，國內(nèi)在CBR方面的研究主要以應(yīng)用研究為主。華中理工大學(xué)黃進(jìn)等于1998年提出了一種基于神經(jīng)網(wǎng)絡(luò)的工藝事例檢索模型，該方法用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了事例的動(dòng)態(tài)分類和索引。清華大學(xué)宋玉銀、蔡復(fù)之等人于1998年采用基于事例推理進(jìn)行產(chǎn)品概念設(shè)計(jì)。浙江大學(xué)的應(yīng)濟(jì)、江力、何志均等人于1998年介紹了基于事例推理的綜合運(yùn)用規(guī)則推理和約束滿足方法來完成產(chǎn)品的變型設(shè)計(jì)活動(dòng)。國防科技大學(xué)的徐明、胡守仁等人于1998年開發(fā)了一個(gè)知識(shí)庫系統(tǒng)CAOBS。浙江大學(xué)潭建榮等人2000年提出了基于加工特征和進(jìn)刀方向的相似判定準(zhǔn)則以及三級(jí)檢索策略，并開發(fā)了一個(gè)軸類的基于事例的CAPP系統(tǒng)。華中理工大學(xué)蔡力鋼等人于2000年提出了基于事例推理的回轉(zhuǎn)類零件的工藝路線決策方法“7“。上海交通大學(xué)的王輝等人于2002探討了利用基于事例的推理技術(shù)來評(píng)估注塑模的制造成本。哈工大修立軍等人的針對(duì)多目標(biāo)決策的動(dòng)態(tài)建模問題，于2003年開發(fā)了稿件刊發(fā)計(jì)劃問題的應(yīng)用系統(tǒng)。浙江大學(xué)趙燕偉將基于事例推理方法應(yīng)用到對(duì)加工中心的模塊化設(shè)計(jì)智能cAD中。哈工大王知行等人構(gòu)造了一個(gè)分布式知識(shí)管理系統(tǒng)，將基于事例推理應(yīng)用于知識(shí)管理。上海交大的王玉等人提出了基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的事例最近鄰法檢索模型。哈工大許之偉等人進(jìn)行了工藝設(shè)計(jì)中支持事例推理的擴(kuò)展對(duì)象模型研究。李聞?dòng)罱⒘嘶贑BR的稿件刊發(fā)計(jì)劃模型。王凌志嘗試在沖模CAD中應(yīng)用CBR。丁賢林研究了案例推理在活套系統(tǒng)故障診斷中的應(yīng)用。韓鵬研究了基于案例的推理技術(shù)在自動(dòng)答疑系統(tǒng)中的應(yīng)用。西北工業(yè)大學(xué)的于江等人研究了CBR應(yīng)用于產(chǎn)品包裝設(shè)計(jì)方法。．3粗糙集理論2．3．3．1基本框架與學(xué)科地位粗糙集(Rough set)理論是由波蘭數(shù)學(xué)家Zdzislaw Pawlak于1982年提出的一種刻畫不完整性和不確定性的數(shù)學(xué)理論，經(jīng)過20余年的發(fā)展，現(xiàn)已成為一個(gè)前沿研究領(lǐng)域。從本質(zhì)上看，它反映了認(rèn)知過程在非確定、非模型化信息處理方面的機(jī)制和特點(diǎn)，從而成為一種有效的非單調(diào)推理工具。非確定知識(shí)處理與邏輯推理和語義描述密切相關(guān)，近年來值得重視的方面有廣義證據(jù)理論模糊蘊(yùn)涵的合理性和TABLEAU推理、與TABLEAU演算相關(guān)的擇優(yōu)蘊(yùn)涵。除了這些邏輯形式系統(tǒng)的：作，軟計(jì)算中諸如G C Fox的“按自然法則計(jì)算”(physical tation)等也是反映智能計(jì)算技術(shù)的較有希望的途徑之一。其應(yīng)用范圍已拓展至包括機(jī)器學(xué)習(xí)、信號(hào)處理、模式識(shí)別等較為廣泛的領(lǐng)域。它的基本概念是建立在集合結(jié)構(gòu)和語義基礎(chǔ)上的，主要有粗糙集、上逼近集合、下逼近集合和邊界區(qū)域等。在粗糙集的結(jié)構(gòu)中，下列五個(gè)主要因素構(gòu)成了其基本框架：①粗糙集的集合確定和估計(jì)；②粗糙集意義下集合族空間的自適應(yīng)性尋優(yōu)算法及其過程；③粗糙邏輯的推理機(jī)制和構(gòu)造；④針對(duì)問題論域的語意描述和特征表示；⑤其余信息論的統(tǒng)計(jì)推斷和非線性變換。當(dāng)前許多國際重要學(xué)術(shù)會(huì)議和學(xué)術(shù)研討會(huì)都把粗糙集理論的研究列入研討的主要內(nèi)容之。至今大約有2000多篇粗糙集方面的研究論文發(fā)表于國際重要期刊和國際會(huì)議刊物上。從知識(shí)處理的角度上看，粗糙集理論具有一些獨(dú)特的觀點(diǎn)，它從新的角度對(duì)知識(shí)進(jìn)行了定義，把知識(shí)看作是關(guān)于論域的劃分，從而認(rèn)為知識(shí)是有粒度的，知識(shí)的不精確性是由于組成領(lǐng)域知識(shí)的顆粒太大引起的。粗糙集理論的主要特點(diǎn)是：(1)粗糙集理論僅利用數(shù)據(jù)本身所提供的信息，不需要任何附加信息和先驗(yàn)知識(shí)，比如統(tǒng)計(jì)學(xué)中的概率分布、模糊理論中的隸屬度等，而這些信息有時(shí)并不容易得到。因此，粗糙集理論相對(duì)與許多其它處理不確定知識(shí)方法，更具有客觀性。(2)粗糙集理論包含了求取大量數(shù)據(jù)中最小不變集合(稱為核)與求解最小規(guī)則集(稱為約簡(jiǎn))的理論，這一特性，使得決策者能在領(lǐng)域信息不完整、不確定、不精確的前提下，通過對(duì)數(shù)據(jù)進(jìn)行分析、近似分類、推理數(shù)據(jù)間的關(guān)系，從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律，完成對(duì)事物的判斷、預(yù)測(cè)和決策。由于粗糙集系統(tǒng)的內(nèi)在機(jī)理，其發(fā)現(xiàn)“新的”(利于系統(tǒng)推理時(shí)使用的)知識(shí)是建立在數(shù)據(jù)庫基礎(chǔ)上的，并以非完善(imperfect)數(shù)據(jù)作為其處理對(duì)象，這樣它在信息集成化處理系統(tǒng)中，將會(huì)起到越來越重要的作用。經(jīng)典粗糙集理論應(yīng)用于數(shù)據(jù)分析時(shí)，會(huì)遇到噪音、數(shù)據(jù)缺失、大數(shù)據(jù)量等一系列問題。為增強(qiáng)粗糙集合模型的抗干擾能力，在近幾年的研究中，出現(xiàn)了許多粗糙集的擴(kuò)展模型，其中典型的有可變精度粗糙集模型、相似模型等。 (1)可變精度模型(VPRS)。在數(shù)據(jù)集中存在噪音等干擾情況下，經(jīng)典理論會(huì)由于對(duì)數(shù)據(jù)的過度擬合而使其對(duì)新對(duì)象的預(yù)測(cè)能力大為降低。而在實(shí)際應(yīng)用中，噪音是在所難免的。為增強(qiáng)粗糙集合模型的抗干擾能力，Ziarko提出了一種可變精度粗糙集模型(Variable precision RS，VERS)，該模型通過引入一個(gè)精度,從而具有一定的容錯(cuò)性。VPRS的主要擴(kuò)充體現(xiàn)在它允許一定的誤分類率。為此，引進(jìn)一個(gè)精度B(O≤0≤0．5)。定義0．多數(shù)包含關(guān)系為：若把集合x中的元素分類到集合Y中，則會(huì)犯分類錯(cuò)誤的可能性小于B。VPRS模型是和經(jīng)典粗糙集兼容的。因?yàn)橹灰?3=O，那么就和經(jīng)典模型一致了。因此VPRS模型能夠保持絕大多數(shù)經(jīng)典模型的良好性質(zhì)。這為它的廣泛應(yīng)用打下了基礎(chǔ)。(2)不對(duì)稱邊界的VPRS模型。Katzberg和Ziarko進(jìn)一步提出了不對(duì)稱邊界的VPRS模型，即在上下近似的定義中的6可以是不相同的，從而使此模型更加一般化。