基于CBR的遥控武器站性能评价体系研究

毛保全，刘大可，王传有，胡 涛

（装甲兵工程学院兵器工程系，北京100072）

基于案例推理技术（CBR）是一种相似的推理方法，其主要思想是利用专家的经验来解决新问题，评价新问题，解释异常情况或理解新情况，使得在将来的搜索中能够快速找出符合需要的案例或案例集[1]。

武器站性能评价是一个复杂的问题，其影响因素众多，涉及兵器领域较广。案例推理技术反映了设计人员的思维过程，能综合专家的设计经验，克服以往推理方法的不足。把案例推理技术引入指标体系建立研究当中，并采用混合相似度检索方法得到最佳匹配案例，提高了性能评价效率，缩短了性能评价时间。

1 CBR的基本原理

1.1 CBR基本思想

CBR全称为Case-based reasoning，其基本思想：以专家的经验或案例为基础建立相应的案例库，当遇到新问题时，就可以对案例库进行搜索，找到并重用合适的案例，如选取的案例存在不足之处，可基于当前情况修改案例，并将修改后的案例再次存入到案例库中，作为下次推理的依据[2]。

1.2 CBR的工作过程模型

基本的推理步骤通常可归纳为“4R”循环，即检索（Retrieve），重用（Reuse），修改（Revise）和存储（Retain），如图1所示。

图1 CBR循环图

一个待解问题被定义为一个新案例，这个新案例用于从案例集检索出一个相近的案例，通过案例重用，检索到的源案例与定义的新案例组合为一个包括解答部分的新案例。将得到的新案例应用到任务领域中去，如果失败，则对新案例进行修改，然后再对修改后的案例进行测试。最后，有价值的经验被保留下来，通过不断地积累经验或修改已有案例来补充和修正案例库[3]。

2 武器站案例的表示

武器站案例的表示的目的不仅仅是为了把知识用数据结构的形式存储在计算机中，更重要的是能够方便且正确地运用和管理知识。合理的案例表示，可以使问题求解变得更加容易和高效。

采用问题框架表示法，以双向协调为原则，通过自上而下的问题分析细化和自下而上的属性片断联想抽象的方式，以信息侧面和信息子侧面的形式来组织实际问题中所蕴含的零散、量大的信息片断。应用问题为遥控武器站性能评价，信息侧面集合如表1所示，信息子侧面集合如表2所示。

表1 武器站信息侧面集合表

表2 武器站信息子侧面集合表

应用问题（遥控武器站性能评价）可通过属性ABCDE表示。属性A可分解为属性1和2；属性B可分解为属性3、4、5、6、7；属性C可分解为属性8、9、10、11；属性D可分解为属性12、13、14；属性E可分解为属性15、16、17。建立的案例描述树如图2所示。

图2 指标的案例描述树

3 武器站案例的检索

3.1 案例检索

案例检索是通过访问案例库中过去同类问题的解决方案而获得当前问题的解决方案的方法。案例检索的目标是以最可能快的速度从案例库中查询到最为相似的案例。采用最近邻案例检索方法进行案例检索，而案例属性权重的确定是案例相似度计算的关键[4~5]。

3.2 特征属性相似度的计算

3.2.1 特征属性的表示

特征属性是构成案例的重要因素，其定义了案例的检索信息。案例的特征属性分为连续型属性和离散型属性，计算两种相似度再进行加权[6]。遥控武器站的信息侧面和信息子侧面中的属性作为特征属性进行案例检索。

设有案例集合C=｛C1，C2，C3，…，Cr｝,式中：Ci为第i个案例（i=1，2，3，…，r）；案例Ci的属性集合A（Ci）=｛Ai1，Ai2，…，Aim，Ai（m+1），…，Ain｝；Aij（j=1，2，3，…，m）为第i个案例的第j个具有离散性质的离散数值属性。对应的属性权重集合W=｛w1，w2，…，wn｝，wj为第j个属性的权重系数。客户案例用CR表示，客户案例的第j个属性用ARj表示；Sim（Cij，CRj）为数据库中已存案例Ci和目标案例R之间的第j个属性的相似度；Sim（Ci，CR）为案例Ci和目标案例R的总相似度。

3.2.2 连续型属性相似度的计算

连续型属性就是属性的取值是连续数值，如遥控武器站的射击密集度、热像仪视场、控制面板重量等。计算步骤如下：

（1）归一化数据量纲。将属性值的范围用0~1区间表示，量纲转化的计算公式为：

式中：i=1，2，…，r；j=1，2，…，m；xij为第j个属性值归一化的结果。

Xi为第i个案例的连续型属性的加权属性值。

对于问题案例的个属性值计算公式为：

式中：xj为目标案例第j个属性值归一化的数值；X为问题案例的连续型属性的加权属性值。

（2）相似度的计算：

相似度的计算公式如下：

式中：SimC（Ci，CR）为第i个案例与问题案例的连续型属性的相似度。

3.2.3 离散型属性相似度的计算

离散型属性是案例的非数值型属性，如操纵杆操作舒适度、电源接口类型等等，表达式为：

当已有案例特征的属性值和目标属性值相等时，相似度为1，否则为0。总的相似度计算公式：

4 遥控武器站的指标库

以国内某遥控武器站指标库的建立为例，来确定遥控武器站性能评价指标体系中2级指标权重和3级指标权重。采用以上基于CBR思想的案例匹配算法完善评价指标库，可方便地管理和优化指标库，且可以对遥控武器站进行评价。遥控武器站性能指标库的具体形式如表3和表4所示。

表3 指标库信息侧面属性权重表

表4 指标库信息子侧面属性权重表

5 结束语

本文在分析CBR基本原理的基础上，完成了遥控武器站性能评价指标的案例表示，通过连续型和离散型两种属性相似度计算方法进行案例检索的相关运算，得到了最匹配的案例，最后通过案例验证了方法的有效性。通过本文的研究，将CBR技术引入到遥控武器、站性能评价体系中，加快了遥控武器站性能评价指标体系的搭建，缩短了武器站性能评价的时间，为遥控武器站性能评价体系的研究提供了有益的探索。

[1]Lan Watson.Applying Case-based Reasoning Technique for Enterprise Systems.University of Salford,U K Morgan Kaufmann Publishers Inc Francisco,California.

[2]韩 军，车文刚.CBR——一种新型的人工智能推理方法[J].昆明理工大学学报：理工版，2003，28(l)：88-91.

[3]徐 娟.LED芯片制造过程建模及知识管理方法研究[D].上海:上海交通大学，2008.

[4]郭聪聪，贾 虹，卢炎麟，等.基于实例推理的冲击电钻产品模块化配置设计研究[J].机械设计与制造，2011(6)：4-6.

[5]彭培林.基于实例的装配协调方案设计技术研究[D].西安：西北工业大学，2005.

[6]钟诗胜，王知行，何新贵.一个混合属性的案例检索模型[J].软件学报，1999，10(5)：521-526.