（应用数学专业论文）案例推理在城市规划审批中的应用.pdf

摘要 摘要 基于案例的推理( c a s e b a s e dr e a s o n i n g ，简称c b r ) 是一种重要 的基于知识的问题求解和学习方法，是目前人工智能和专家系统领域的 研究热点之一。本论文主要讨论和研究了如何将c b r 的方法应用于城市 规划审批工作，建立一个高效率的辅助决策系统。 本文对c b r 进行了系统的介绍，描述了目前通用的c b r 专家系统的 理论模型，全面地介绍了c b r 专家系统的组成结构。同时，针对城市规 划领域的实际情况分别从案例组织、案例搜索和案例学习三个方面详 细叙述了如何建立城市规划辅助审批系统a e s e a u p 。 在案例的组织方面，本文综合采用框架和面向对象方法来表示案例 中包含的知识，并根据用地审批的特点建立了建筑用地概念和专门的数 据类型。将审批案例分为五大部分，审批案例属性由特征属陛和文字说 明属性组成。在设定属性初始权重时，提出了五级权重的思想，并通过 审批人员和技术人员的共同商议确定了审批案例各属性的权重。 在案例的搜索方面，着重说明了系统中案例的相似度的计算，并给 出了面向对象的知识表达当中如何去计算相似度的定义：同时还介绍了 c b r 系统中所采用的适应性规则，在此基础上提出了基于案例的适应性规 则的方法，定义了案例与规则之间的相似度计算方法，并在此基础上建 立了基于案例的适应性规则的相似度。同时针对规则库中常出现的冲突 现象提出了消解的方法。这是本文的一个创新点。基于案例的适应性规 则的提出，较好地解决了以往用户在抽取和建立案例适应性规则时方法 不统一的问题。 本文还研究了目前有关案例学习的方法，包括了案例的添加、合并和 删除，并使用“内省”的方式进行案例属性权重的学习和修改通过学 习步长来控制权重的调整。另外，本文还研究了地理信息系统的现状， 提出了地理案例模型的结构。 本论文的工作为c b r 在城市规划方面的应用做了有益的探索，拓宽 了c b r 系统的使用领域，丰富了c b r 系统的功能。 关键词：知识表示；基于案例的推理：相似度：基于案例的适应性修改 规则；内省学习 华南理工大学理学硕士学位论文 a b s t r a c t c a s e - - b a s e dr e a s o n i n gi sa l li m p o r t a n ts o l v i n g - p r o b l e ma n dl e a r n i n gm e t h o db a s e do n k n o w l e d g e ，w h i c hi so n eo ft h eh o t t e s tr e s e a r c hr e a l m so fa r t i f i c i a li n t e l l i g e n c ea n de x p e r t s y s t e m t h i sd i s s e l t a t i o nm a i n l yd i s c u s s e sa n dr e s e a r c h e sh o w t oa p p l yt h ec b rm e t h o dt o u r b a n p l a r m i n gv e r i f y i n gj o b ，i no r d e r t oc o n s t r u c ta l le f f i c i e n td e c i s i o ns u p p o r ts y s t e m i nt h i sd i s s e r t a t i o n ，c b rm e t h o dw a s s y s t e m i c l yi n t r o d u c e d t h ec o m m o nt h e o r ym o d e l a n ds t r u c t u r eo fc b re sw a s r e p r e s e n t e d a n dt h i sd i s s e r t a t i o na l s od e t a i l e d l yd e s c d b e sh o w t ob u i l dt h ea s s i s t a n t e x p e r ts y s t e m o fe x a m i n a t i o na n d a p p r o v a l i nu r b a n p l a n n i n g a e s e a u pt h l o u i g ht h e t h r e ew a y s ：c a s eo r g a n i z a t i o n ，c a s er e t r i e v ea n dc a s e l e a r n i n g i nc a s e o r g a n i z a t i o n ，t h i s d i s s e r t a t i o n s y n t h e t i c a l l y c o m b i n e st h e k n o w l e d g e r e p r e s e n t a t i o no f f r a l t l l ew i t ho b j e c t e d o r i e n t e dt e c h n o l o g y , a n de s t a b l i s h e st h ec a s ec o f f e e p to f c o n s t r u c t i o n - f i e l da p p l i c a t i o na n ds p e c i a ld a t at y p e sf o ri t o n ec a s ei sd i v i d e di n t of i v ep a r t s ， a n di t sa t t r i b u t e sa r ec o m p o s e do fc h a r a c t e r i s t i ca t t r i b u t e sa n d d e s c r i p t i o na t t r i b u t e s t os e tt h e i n i t i a lw e i g h to fc i t s ca t t r i b u t e s ，t h i sd i s s e r t a t i o nr e p r e s e n t st h et h e o r yo ff i v ec l a s s e sw e i g h t ， a n dc o n f i r m st h e m b yc o n s u l t a n tw i t ht h ep e r s o n sw h o a r ei nc h a r g eo ft h et e c h n o l o g i cj o ba s w e l la st h ee x a m i n a t i o na n d a p p r o v a l j o b c a s es i m i l a r i t yc a l c u l a t i o ni se m p h a s i z e di nc a s er e t r i e v e h o wt oc a l c u l a t et h es i m i l a r i t y i no b j e c t - o r i e n t e dk n o w l e d g er e p r e s e n t a t i o ni si n t r o d u c e d ，a n db a s e do nt h ec a s ea d a p f i o n r u l e s ，t h ec a s e b a s e da d a p t i o nr u l e sa r er e p r e s e n t e d a n dt h es i m i l a r i t yc a l c u l a t i o nm e t h o d b e t w e e nc a s ea n dr u l ei sd e f i n e da tt h es a n l et i m e w h i c he s t a b l i s h st h e s i m i l a r i t y o f c a s e b a s e da d a p t i o nr u l e s i ti so n eo ft h ec r e a t i v e v i e w p o i n t so ft h i s d i s s e r t a t i o n t h e r e p r e s e n t a t i o no fc a s e - b a s e da d a p t i o nr u l e ss o l v e st h ep r o b l e m o fl a c ko fu n i q u em e t h o df o r a b s t r a c t i n ga n db u i l d i n ga d a p t i o n r u l e si nc b r s y s t e m s t h ec a s el e a r n i n gm e t h o dr e s e a r c h e di nt h i sd i s s e r t a t i o ni n c l u d e sa d d i n gc a s e s ，m e r g i n g c a s e sa n dd e l e t i n gc a s e sa n dt h ei n t r o s p e c t i v ew a yo fl e a r n i n ga n da d j u s t i n gt h ew e i g h to f c h a r a c t e r i s t i ca t t r i b u t e s t h ei n t r o s p e c t i v et h e o r yu s e st h el e n g t ho fs t e pt oc o n n - o lt h ew e i g h t a d j u s t m e n t b e s i d e st h i sd i s s e r t a t i o na l s os t l l d y st h es t a t eq u oo fg i s a n db r i n g sf o r w a r dt h e s t r u c t u r e o f g e o g r a p h i c c a s e t h er e s e a r c hw o r ki nt h i sd i s s e r t a t i o ng r o p e sf o rt h ea p p l i c a t i o no fc b ri nu r b a n p l a n n i n g ，w h i c he n l a r g e st h ea p p l i c a t i o ns c o p e so fc b r a n de n r i c h e st h ef u n c t i o n so fc b r s y s t e m i i k e yw o r d s ：k n o w l e d g er e p r e s e n t a t i o n ，c a s e - b a s e dr e a s o n i n g ，s i m i l a r i t y , c a s e - - b a s e d a d a p t i o nr u l e s ，i n t r o s p e c t i v el e a r n i n g i 华南理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进 行研究所取得的研究成果。除了文中特别加以标注引用的内容 外，本论文不包含任何其他个人或集体已经发表或撰写的成果作 品。对本文的研究做出重要贡献的个人和集体，均己在文中以明 确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：泵吠以i s 期：a 旧，年月e l 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规 定，同意学校保留并向国家有关部门或机构送交论文的复印件和 电子版，允许论文被查阅和借阅。本人授权华南理工大学可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于， 不保密耐。 ( 请在以上相应方框内打“j ”) 作者签名：j 币毋弋火 导师签名：7z ，目蔗 f 日期：够年月蹦日 日期：2 萨j 年看月，日 第一章绪论 1 1 c b r 的历史和现状 第一章绪论 基于案例的推理( c a s e b a s e dr e a s o n i n g 。简称c b r ) 是人工智能 领域中的一种重要的基于知识的问题求解和学习方法。它以独特的推理 风格和成功的应用，在国际a i 界引起了广泛的兴趣。 基于案例的推理是人们从认知科学的角度对人类的推理和学习机制 的探索。历史总是惊人相似的，从小孩的简单活动到专家的重大决策， 人们都有意或者无意地按照以往的经验来解决问题。遇到一个问题人 们会从以前处理过的问题中进行回忆，如果问题是以前成功处理过的问 题的重复时，就直接把旧问题的成功经验直接应用于求解新问题；若问 题是以前从未碰过的，仍然可以回忆起一个或者多个类似的旧问题，并 通过类比获得一些提示，并在一些常识的指导下完成对新问题的解答。 基于案例的推理方法体现了客观世界中的规律性和相似性。 与传统基于知识系统不同，c b r 系统所依赖的知识是系统所存储的相 关领域中以前解决问题的具体记录。传统的基于规则的推理( r u l e b a s e d r e a s o n i n g 简称r b r ) 方法所依赖的领域专门知识主要是由领域专家以 规则的形式给出，而c b r 则大大减少了专家从领域当中进行规则抽取这 些繁重费时的工作。 c b r 的研究起源于1 9 8 2 年美国耶鲁大学的r o g e rs c h a n k 教授的著作 d y a n a l i cm e m o t y 【i i 。1 9 8 3 年，j a l i e tk 0 1 0 d n e r 领导开发了第一个基 于案例的推理系统c y r u s ，实现了s c h a n k 著作中的很多思想，并于1 9 8 5 年在其文献中首次使用了c b r 这一术语，为c b r 的建立奠定了基础。 k 0 1 0 d e r 所给出的案例( c a s e ) 的定义是“案例是一段带有上下文信息的 知识，该知识表达了推理机在达到其目标的过程中能起关键作用的经 验”。具体来说，一个案例应该具有如下特性： 案例表示了与某个上下文有关的具体知识，这种知识具有可操作 性。 案例可以是各式各样的，可以有不同的形状和粒度，可涵盖或大 或小的时间片，可带有问题的解答或动作执行后的效应。 案例记录了有用的经验，这种经验能帮助推理机在未来更容易地 达到目标，或给出推理机失败的可能性有多大等b 】。 自8 0 年代后期以来，美国在c b r 推理机制的理论与方法进行了较为 华南理工太学理学硕士学位论文 系统的研究，井在分类、诊断、计划及设计等领域开发了数百个应用的 案例。如用于战斗计划制定与评价的b p a 系统，该系统通过系统中包含 的6 0 0 个战争案例，通过所给出问题的条件对类似案例取出进行分析和 修正，以得到所求问题的解。n a v i n c h a n d r ad 研制的用于景观设计 c y c l o p s 系统，只要输入目标( 例如农田) 就能输出可行的方案。与此同 时，美国人工智能协会( a a a i ) 在其近年来举办的国际性学术会议及研 讨会中，都有关于c b r 应用及理论方面的论文，人工智能杂志( a i m a g a z i n e ) 和i e e e 专家系统( i e e ee x p e r t ) 杂志也相继组织和发表了 有关c b r 的专题研究和应用论文，从而进一步推动和发展了对c b r 研究 的深入与完善，使c b r 广泛应用于诸多领域。目前美国是开展c b r 研究 和应用最普遍的国家。 欧洲的c b r 研究比美国起步稍晚，主要兴趣集中在专家系统的开发 和知识获取的研究上。德国凯泽斯劳腾大学的m i c h a el 教授的研究小组 开发出复杂的技术诊断系统m o l t k e 和p a t d e x 系统，基于案例的规划系 统c a p l a n c b c ，p a r i c s 和欧洲工程i n r e c a ，i n r e x c ai i 。挪威的a g n a t 和同事开展了对知识获取和维护，以及c b r 与其他方法相结合的研究， 并开发了c r e e k 系统。都柏林的m a r k 的研究了类比推理理论。这些系统 除了遵循案例学习的一般框架之外，都具有自己的特色并取得了一定的 成功。 日本在9 0 年代初期开始了对c b r 系统的研究与开发，经过近几年的 努力。建立了数十个用c b r 推理的知识系统。如中村孝太郎和小林重信 建立的用于机械调整的支持系统，仲谷善雄研制的用于机械设计的对话 式设计支持系统s u p p o r t 等。 我国对c b r 的研究起步和日本差不多，约在9 0 年代初开始有学者进 行c b r 的研究，也建立了一些c b r 系统。1 9 9 1 年史忠植、李宝东提出了 记忆网模型和案例检索算法 3 1 。1 9 9 3 年周涵设计了基于案例学习的内燃 机油产品设计系统e o f d s 4 1 。1 9 9 4 年徐众会开发了基于案例推理的天气预 报系统。1 9 9 6 年王军开发了淮河王家坝洪水预报调度系统f o r e z 。2 0 0 0 年叶施仁等设计开发了渔情分析专家系统口l 。 最近几年，国际上关于案例推理的研究十分活跃。仅1 9 9 9 年涉及c b r 的各类国际性学术会议和专题讨论会就达2 0 余次。对c b r 的研究，正逐 步广泛应用到设计、规划、诊断、分类、辅助决策等方面，已经有一些 支持c b r 方法的商业工具出现。c b r 在工业上的应用发展也日益成熟，如 l o c k h e e d 、g t e 、b o e i r i g 、d e c 、m a r t i nm a r i e t t a 等都在从事c b r 的研究 和应用开发。 第一章绪论 目前c b r 广泛应用于各个领域，一些典型的应用领域有： 1 计算机科学。c b r 已广泛用于计算机科学的研究。如模式识别陋l 、 人工智能同和软件工程等。 2 工程领域应用。c b r 越来越多的用于工程实际，如生产过程的计划 设计与控制等4 j 。 3 管理领域应用。c b r 在管理领域中的应用得到了充分的重视，并已 取得许多实际应用的效果州。 4 自动控制领域的应用。控制领域里已大量使用c b r 技术实现自动 控制和自适应控制。如机器人行为规划“、飞行器路径选择e l i i 等。 5 复杂的组合优化问题中的应用。c b r 技术在计划、调度和非线性优 化等问题中都得到了广泛的应用”“ 1 2 1 ，克服了传统算法的一些缺陷。 6 认知科学中的应用。c b r 在认知科学与心理学的各个领域也有广泛 的应用。如人类求解问题的思维过程及其心理学模型的建立等。 1 2 城市规划审批的现状与发展 城市规划是为实现一定时期内城市发展的目标和各项建设而预先进 行的综合部署和具体安排行动步骤，并不断付诸实施的过程。城市规划 包括总体规划、分区规划和详细规划等。城市总体规划是从宏观上明确 城市的性质、规模和发展方向，从空间上确定城市布局结构和土地使用 功能以及道路交通和市政基础设施网络，是城市发展的总框架、总蓝图。 分区规划是城市总体规划的一个细化，概括了各个分区的基本的情况。 详细规划是总体规划的深入，是对各项建设的综合部署和具体安排，是 指导城市中某一区域进行当前开发建设的依据和蓝图。城市规划是促进 城市建设与管理、保持城市可持续发展的基本条件和重要依据。而数字 城市规划是以数字地图为基础，加载经济、社会和人1 ：3 统计等信息来描 述城市的过去、现在和未来，利用遥感技术( r s ) 、全球定位技术( g p s ) 和地理信息技术( g i s ) 等集成实施基础数据的动态更新和维护，依托网 络平台，构筑和联通各规划管理部门的虚拟专用网，在传输安全、高效 和统一数据标准的前提下，达到数据交换和信息共享的目的，为实现城 市规划信息的社会化提供可靠的保证。 伴随着城市规划当中信息化的建设，各种城市规划数据( 包括各种类 型的城市地理数据、各种规划成果数据以及办公业务数据等) 逐步地 积累了起来。同时社会各界对规划信息服务的要求也越来越高，服务于 原有城市规划管理工作的城市规划信息系统面临着新的挑战和发展机 华南理工大学理学硕士学位论文 遇。与其他信息系统的应用一样，由于经验及技术发展的原因，城市规 划信息系统在建立的初期，并未能很全面地考虑到可能出现的各种情况， 在一定程度上降低了系统的使用范围和效率。 以城市规划审批为例，国内在规划审批当中仍主要采用人工审批的方 式。审批人员接到申请人员所提出的申请材料之后，查找相关法规，看 提出的申请是否符合城市规划的各项要求，然后给予审批答复。对于涉 及某些特殊单位或者重大项目的申请则提交上级用地会议来决定。具体 的案例审批流程如图l l ： 在我国，一个大城市每年处理的有关规划审批的案件多达1 0 多万起， 审批工作非常繁重，但是处理效率并不高这与日益迅速发展的城市建 设格格不入。一些规划局建立了电子报批的系统，在一定程度上方便了 规划局对审批资料的管理但是对于如何审批这个关键环节仍然无法有 效地提高效率。以国内规划行业信息化建设搞得较好的广州市规划局为 例，从提交一个用地申请到审批结果出来仍然需要接近一个月的时间。 如何去提高规划审批的效率? 在本文的工作的基础上，我们认为，以c b r 推理方法为基础，结合规则推理。建立一个城市规划辅助审批专家系统 是提高审批效率的较好的方法。 图卜1 广州市一般建筑工程申请报批工作流程 从技术上讲，采用上述方法建立专家系统的优点主要有： 1 城市规划审批采用了个案的形式来审批和存放数据这与基于案 例推理采用案例为推理单元的情况相一致。因此在建立案例推理系统时 可以大大减少审批案例库的建立和数据抽取所耗费的时间和工作量。 4 第一章绪论 2 c b r 特别适用于比较难发现规律，不容易找到因果关系的领域。而 规划审批中设计到的方面很多，关系错综复杂，而且包括着一些模糊不 清、无法直接操作的概念和原则。采用c b r 来处理规划审批问题是较好 的选择。 3 与基于规则的推理不同，在c b r 系统中案例库是实际案例的记载， 不存在知识一致性问题。这和规划局历史上审批案例当中存在的一批由 于政策法规的变化造成前后矛盾的现状相一致。如超高楼层的建设，十 年前的高楼在规划时限制比较少，但是到了现在，城市规划当中对楼高 的限定相当严格。同样的楼房十年前能够获得批准建设，现在则无法通 过审批。 4 起点较高技术风险较低。采用c b r 来建立城市规划辅助审批系 统目前在国内尚未有先例。但是从总体上来讲，系统的技术风险并不高。 系统可以建立在现在已经较为商品化的c b r 系统开发平台上，使得快速 开发c b r 专家系统成为可能。将c b r 、r b r 与数据挖掘等多种技术结合起 来，使得系统的起点在国内甚至国际上都是比较先进的。 案例推理系统在城市规划审批中的应用，预计将能改变目前主要依 靠人工对申请进行审批的状况提高工作效率，增加审批的依据，促进 城市规划审批工作的透明度。除了城市规划审批方面，c b r 还可以应用在 城市规划设计方面，具体就不再赘述。 1 3 本论文研究的内容和组织 本论文介绍了目前国内外c b r 方面的研究现状，建立了适用于网络 环境下的城市规划审批的辅助决策系统，比较深入地对c b r 系统的结构 及其在城市规划方面的应用进行探讨和分析，并针对原有c b r 理论当中 存在的一些问题进行了的研究。本文的主要内容包括： 第二章分别从纵向和横向阐述了c b r 的研究和发展方向。在纵向上 介绍了c b r 的起源、发展过程和未来的发展方向：在横向上介绍了c b r 在目前研究和应用的范围。 第三章对c b r 专家系统( 城市规划辅助审批系统，a s s i s t a n te x p e r t s y s t e r n o fe x a m i n a t i o na n da p p r o v a li nu r b a np l a n n i n g ，简称a e s e a u p ) 进行了系统的的描述。阐述了目前通用的c b r 专家系统的理论模型，全 面地介绍了c b r 专家系统的组成结构。同时针对城市规划这一特殊领 域和实际使用要求，建立了基于网络的c b r 系统，使得专家系统从一般 的单机模式转变为可以在局域网和广域网上使用。 华南理工大学理学硕士学位论文 第四、五、六章分别从案例的组织，案例搜索和案例学习三个方面 详细叙述了城市规划辅助审批系统a e s e a u p 。在案例的组织方面，本文综 合采用框架和面向对象方法来表示案例当中包含的知识，并根据用地审 批的特点建立了用地概念和专门的数据类型，将审批案例从内容上分为 五大部分。在设定属性权重时，提出了五级权重的思想，并通过审批人 员和技术人员的共同商议确定了审批案例各属性的权重。在案例的搜索 方面，着重说明了系统中案例的相似度的计算，并给出了在层次分类树 中如何去计算相似度的定义：介绍了c b r 当中的适应性修改规则，并在 原有适应性修改规则的基础之上提出了基于案例的适应性修改的思想， 这是本论文的一个创新点。本文还介绍了目前有关案例学习的方法，包 括了案例的添加、合并和删除并使用内省的方式进行属性权重的学习 和修改。 第七章介绍了g i s 的现状。在综合了各种案例模型特点的基础上， 讨论了地理案例模型。 附录中介绍了a e s e a u p 的实际使用。 6 第二章规划辅助审批系统简介 第二章规划辅助审批系统简介 2 1 c b r 的基本理论和结构 2 1 1 c b r 的定义 基于案例推理白1 9 8 2 年由s c h a n k 提出一来尚未有一个公认的定义。 r ie s b ee k 和s c h a n k ( 1 9 8 9 ) 认为“案例推理是通过修改旧问题的解决 方案来解决新问题的推理器”。k 0 1 0 d n e r ( 1 9 9 3 ) 认为案例推理既包括人 们使用案例来解决问题的方法，也包括人们制造出一个机器来使用它们 的过程。l e a k e ( 1 9 9 6 ) 认为“基于案例推理就是利用回忆推理”。 2 。1 l2 c b r 基本循环 c b r 所包含的过程可以表示为一个循环。a a m o d t 和p l a z a 将c b r 循 环分成四个阶段：案例检索( r e t r i e v e ) ，案例复用( r e u s e ) ，解决方案 修正( r e v i s e ) 、案例保存( r e t a i n ) 。如下图2 一l 所示： 源问题 确认方案 圈2 1c b r 基本循环 建议方案 例 复 用 华南理工大学理学硕士学位论文 1 案例检索( r e t r i e v e ) ： 案例推理的开始必须由使用者先输入一个新案例来查询，当一个新 案例输入时，首先就是案例选取程序，透过计算相似度( s i m i l a r i t y ) ， 从案例数据库中选取与新案例所描述的症状中，最相似的几个过去发生 过的案例。 在案例检索阶段中，使用者通过某种方式输入问题( 源案例) 。可以 采用应用程序的方式，也可以采用网页作为媒介。使用者输入问题的状 况，并以此来作为索引。在规划审批辅助系统a e s e a u p 中，案例就是已 审批的申请案件的记录，案例的内容则包含了用户申请时提交的各方面 的资料以及规划局对相应申请进行的调查数据等。一旦案例服务器收到 诊断请求后，随即进行关键词比对由于使用者所输入的问题描述为一 长串文字，若以此作为案例搜寻依据，不易找出相似的案例，且使用者 所使用的专业术语也不尽相同，这个是推理机和使用者最大的沟通问题， 因此必须考虑到使用者会以什么样的方式来查询其所想要的东西。处理 输入文字语意的问题，有两种解决方法可以提供参考。 一种是利用选择式菜单，由使用者从菜单中选取符合问题状况的项 目或关键词，对采用网页作为媒介或用程序编写的用户界面，这种选择 式菜单比较简单实用。为了进一步让使用者知道到底问题的情形该选择 哪一项，可以在采用问答的方式来提供辅助回答的同时，在选项旁边加 上了些注释。这也是h e s e a u p 采用的方式。 另一种是网络上常使用的方法，关键词查询，也就是在进行案例搜 寻前先进行关键词对比。即将使用者输入的数据与关键词数据库中的 关键词逐一比对。若有相同者，则将此一关键词也作为搜寻案例的关键 词当完成关键词确认后，接着进行案例搜寻。通过使用者输入的资料 及关键词找出相似的案例，这样的好处是，使用者只须要是知道大概 是那个地方出了些问题，就可以找出所有有关这个地方会出问题的案例。 2 案例复用( r e u s e ) 在通过案例检索找到的候选案例集中，完全符合源案例的机率比较 小。因此由案例适配( c a s ea d a p t i o n ) 程序对将选取的案例，依据其与 源案例之不同处，进行筛选、调整，来获得新的结果，并回传给使用者 一个新的结果。 在案例适配阶段中，使用者得到相似案例后，可以逐一浏览案例的 内容，进而从中得到可能想要的结果或是目标。以a e s e a u p 为例，为了 达到引导使用者逐步找出目的，系统可以采取逐步调整的方式。第一次 的检索用户可以选取范围稍宽、限制内容较少、阂值较低的条件，尽量 第二章规划辅助审批系统简介 扩大源案例的可能解决方案的范围。对所得到的相似案例集，使用者可 以根据源案例的实际情况选择感兴趣的案例。若源案例的问题描述并不 在候选案例集中，则应降低阈值或者放宽其它限制条件，重新进行检索。 针对第一次的候选案例集，使用者可以继续添加新的案例特征，做为源 案例的内容。输入完毕后，根据新源案例的内容，在候选集中进行第二 次的相似案例搜寻。也可以在整个案例库的范围内重新进行检索。经过 反复的案例搜寻与案例适配之后，使用者将会得到最相似的案例，此时 使用者便可以直接读取相似案例的内容，获得源案例问题的解决方案。 所获得的解决方案是否符合实际要解决的问题，则需要在接下来的阶段 中进行进一步的验证。 3 案例改编( r e v is e ) 使用者获得问题解决方案后，需要将该结果再传回c b r 系统，进行 案例验证，以修正及证实解决方案的正确性。针对某些特定的案例类别， 可通过程序自行验证、修正。 在案例验证阶段中，使用者应使用所得结果来尝试解决问题。在执 行时，可能会产生下列三种情况：解决方案完全可行、部份可行，以及 不可行。针对以上的情况，分别有如下相对应的解决方法。 ( 1 ) 完全可行：表示从相似案例获得的解决方案，与实际的情况完全符合， 能顺利解决问题。此时用户可于案例的评分栏标记分数，也可以在评语 栏中输入意见。同时，在新案例中输入问题描述、解决方案以及参考案 例编号。此外，通过案例评分、案例评语及案例参考次数的统计，可进 一步了解案例的正确性、发生率。 ( 2 ) 部份可行：表示从相似案例获得的解决方案，与实际的情况，部份符 合，能够解决实际中的一部分问题。此时需要对解决方案需做部分的 修正，才能顺利将排除问题。用户可于新案例中，输入参考案例编号、 案例评分、案例评语，以及修正后的故障原因及解决方案。 ( 3 ) 不符合：表示从相似案例获得的解决方案，与实际的情况不符合，无 法解决实际问题。此时。用户需要寻求另外的解决方法。 c b r 中案例的改编是c b r 中的个难题，确定一种普遍适用的改编 方法是困难的，一般来说改编策略主要是针对特定应用领域采用特定的 改编策略。目前主要的改编策略有修改规则集策略“”、基于事例改编策 略 1 4 1 和c b r 与遗传算法( g a ) 相结合的改编策略“”。改编规则集策略将 特定的问题领域实现改编的方法代码化，变为改编规则集，从而实现对 事例的改编与调整。基于事例改编策略是利用以往的对事例改编的事例 作为对此次事例改编的指导，从而完成对事例的改编与调整。c b r 与遗 华南理工大学理学硕士学垃论文 传算法( g a ) 相结合的改编策略则是通过将检索出来的事例作为g a 的种 群，并在该种群上进行交叉分解处理，通过对解的分段替换达到变异， 从而得到一个优化的解。 4 案例保留( r e t a i n ) 最后的一个步骤，就是进入案例获取阶段。由于新案例已经通过验 证，可将新案例加入案例数据库中。在案例获取阶段中，除了新增案例 外，还需对案例数据库中失效、错误的案例进行删除，重复或具有关连 性的案例进行合并或重组，这样的目的是为了使案例的数量能够不会日 渐庞大，而影响搜寻案例的速度，也使得每一个案例也越来越正确，精 确性越来越高。 在案例获取中，验证过的案例在正式并入主案例库之前，须经过认 定人做最后的认证，在充分地检查案例的完整性及正确性之后，才能将 案例的状态由新增转为工作状态，这样的目的是为了保持每次所新增的 新案例都有一定水准的正确性。若认定人对案例的内容有疑虑，可以再 次和使用者确认，以确保结果和数值真正有效。另外，认定人亦可从案 例参考次数，案例评分，案例评语及案例发生次数的统计数字，了解目 前案例库的状况，以确保案例的正确性。因为案例库若混杂了错误的案 例，对使用者在求得结果时，可能造成更进一步的错误发生。同时，也 可由数据库所呈现的资料，来知道目前所有的使用者大部份的情形，如 可以了解目前使用者最常见的问题是什么，使用者会需要到什么，这些 都可以作为改进的参考。若案例的解决方案已有更好的方法取代，则原 案例的方法将会更新，之前的旧方法会失效，但一般来说旧的案例不删 除，以免流失宝贵的经验。进一步地，在案例保留阶段用户需要从案 例知识中提取浅层的规则知识或修改深层的案例模型。 2 1 3 基于规则的推理机制 基于规则的推理( r u l e b a s e dr e a s o n i n g ，简称r b r ) 也就是基 于领域专家知识和经验的推理，它将专家的知识和经验抽象为若干推理 过程中的形如下式的规则： i f a n o a n d 第二章规划辅助审批系统简介 t h e n 或 或 或 规则推理是专家系统中目前普遍采用的推理模式，许多知识系统的 开发工具也都采用这种推理机制，它的优点是比较直观，对推理过程易 于理解，同时推理的效率也比较高。但是r b r 的专家知识和经验的获得 比较困难，特别是对于比较复杂且规则的条件存在多解的领域，欲比较 全面地收集领域专家知识和经验，困难更大。因此r b r 这种推理机制主 要适应于系统不太复杂、领域专家的知识和经验比较容易收集的中小型 知识系统，象维修、教学类知识系统。目前我国大部分人工智能，特别 是专家系统等有关方面的书籍、文献及所建立的人工智能系统，所采用的 大都是r b r 推理机制。 2 i 4c b r 的特点 与传统的r b r 相比，c b r 推理机制具有以下特点o 6 1 ： 1 由于c b r 系统的推理过程是以案例为基础的，而案例在问题的求 解过程中在相当于r b r 推理机制中的规则，但它却比产生式规则更容易 实现和存储，它可以被看作是一种压缩了的指令，因此它所占用的计算 机内存空问较少，同时推理和检索的速度也相对比r b r 系统要快。 2 c b r 系统是一种组合式系统。通过上面的分析可以看出在c b r 系统结构的问题分析器、案例调整器、案例检索器及案例修复器等分系 统中使用一部分产生式规则作为某些中问结果的推理基础是完全有可 能的，也可以使整个系统变得更加简捷。a e s e a u p 就使用了适应性规则来 作为案例推理的补充。 3 由于c b r 对新出现的案例具有自学习机制，因此它具有自组织的 能力，这为用c b r 建立知识系统提供了保证；但同时也产生了案例库的 膨胀问题，这就要求c b r 在学习的同时也应具有案例更新的能力，这是 防止案例库膨胀的有效途径，也是c b r 的困难所在。 由c b r 推理机制的特点和目前国内外所建立的c b r 系统的经验当 问题领域有清楚、简明的知识表达，或案例内容复杂、不易分割，及与 经验有关、重复性高的情况，案例式推理特别能发挥其功效。因此c b r 推理机制特别适用于解决诊断、计划、设计等类似的复杂系统的推理问 华南理工大学理学硕士学位论文 题。一般来说，建立c b r 系统必须具有足够的可行模式作为推理的基础； 或者是经过对系统的分形各分形系统都具有一定数量的模式，而这些 模式的有机组合就是所求问题的解。 c b r 近些年来比较活跃，部分原因在于人们对人工智能( a r t i f i c i a l i n t e l l e g e n ce ，简称a i ) 、专家系统( e x p e r ts y s te m ，简称e s ) 的反思与再 认识。从4 0 年代起a i 的实质便是研究如何使机器( 计算机) 具有人一 样的智能。a i 的研究一直从两个方而进行，即基于认知科学与基于行为 科学的方法。认知主义认为机器具有智能是指机器能够象人一样进行思 维，研究人脑的思维规律，强调智能过程行为主义则认为机器应该能够 产生问人一样的思维结果，强调行为结果。无论认知主义，还是行为主 义，a i 的研究初期，人们希望能够为ar 寻求一种唯一的理论基础。实 践证明，不存在一个理论基础能够将人的思维行为完全形式化地表示出 来，如同人类的思维不存在一个死板的理论或模式。这种理论方法上的 缺陷表现在e s 的脆弱性及搜索技术中的组合爆炸等。因此，构建比较成 功的应用专家系统必须采取多种推理技术互相协调。 2 2 城市规划辅助审批系统a e s e a u p 本文中的城市规划辅助审批系统a e s e a u p 是一个以c b r 技术为基础， 结合r b r ，建立在网络上的专家系统，目的是为审批人员提供对城市规划 申请的辅助审批，同时对外部用户提供规划审批的查询功能。 2 2 1 系统结构 a e s e a u p 在开发的时候采用了c s 结构，分为客户端和应用服务器两 部分，其中应用服务器包括g i s 服务器( i m sa r c v i e w ) 和案例推理服务 器( c b r r e q u e s ts e r v e r ) 。客户端发出一个请求， 以s o c k e t 通信方式通 过i n t e r n e t 将请求信息发送到c b r r e q u e s ts e r v e r c b r r e q u e s ts e r v e r 从案例库中查找和生成案例，同时在g i s 服务器中查找和生成案例的图 形信息，并将这些信息返回，展现在客户端。 l 2 第二章规划辅助审批系统简介 服务器端 客户端 用户1用户2用户“ 图2 - 2 系统结构图 结合城市规划辅助审批领域的具体问题，我们提出a e s e a u p 的c b r 循 环，见图2 - 3 。图中的c b r 循环比a a m o d t 和p lb z r 提出的c b r 基本循 环增加了案例抽取和数据保存两个环节。因为a e s e a u p 是城市规划信息 系统的组成部分之一，随着系统的使用，需要不断将实际审批的申请案 例导入到系统案例库当中，以保持案例的时效性。同样，审批过的数据 按照案例推理的需要到业务系统中抽取相应的数据，同时保证原有业务 系统的一致性。 图2 3 中各步骤的的详细说明如下： 1 输入新问题 依据系统对闯题定义的描述，将新问题输入到系统中。 2 案例搜索 通过索引评估案例的相似性，取得相似的案例。 3 案例适应性修改 对检索得到的案例通过适应性修改，将其答案修改成为符合新问题 的解答。 4 案例测试 系统对新问题所提供的解答并不是全部都符合特定的期望，还需通 过测试，看其是否符合实际要求，可能成功，也可能失败。 5 。失败说明 如果答案测试失败，则寻找失败的原因，重新修正解答，再做测试。 6 储存案例 华南理工大学理学硕士学位论文 如果答案测试成功，则可以将此案例储存到案例库。 图2 3a e s e a u p 系统流程图 7 参数设置 定义案例搜索时的相似度计算方法，设置相似度的闽值，返回的案 数等。 8 ，案例库 储存先前经验的案例库，是案例式推理的重要架构，提供合适的案 1 4 第二章规划辅助审批系统简介 例供新问题参考的依据。 9 适应性修改规则库适应性修改案例库 在案例式推理中完全符合新问题的旧案例是微乎其微，因此所要选 择的案例还需要加以适应性修改才能符合新问题的需要。适应性修改规 则库以规则的形式保存了以前案例适应性修改时所获得的经验适应性 修改案例库则以案例的形式来保存之前的经验。 1 0 。人工修改 经过适应性修改的案例解决方案经过测试成功之后。则存入案例库 作为案例库添加的依据。但若测试失败，则需对解答作修正，再经系统 测试直到答案满意为止。若修改的结果仍无法达到令人满意的地步，则 对失败的原因加以解释，作为系统的依据。 1 1 案例抽取 在实际的案例库当中，并非所有的规划审批案例的数据都保存到案例 库当中。案例数据从业务数据库到案例库，必须经过案例抽取。同时， 建立了案例库之后也需定期从业务数据库当中补充新的案例，以保持 案例库的时效性。 l 2 数据保存 经过a e