大跨空间结构智能选型方案生成系统

1、第36卷第11期2004年11月哈尔滨工业大学学报JOURNA L OF H ARBI N I NSTIT UTE OF TECH NO LOGYV ol 136N o 111N ov.,2004大跨空间结构智能选型方案生成系统王力,吕大刚,刘晓燕,王光远(哈尔滨工业大学土木工程学院,黑龙江哈尔滨150090,E 2mail :wanglihit 摘要:将基于实例的推理和数据挖掘技术应用于大跨空间结构的智能选型的方案生成阶段.介绍了基于实例推理系统的基本结构及其四个关键技术,建造了大跨空间结构智能选型方案生成系统.主要实现了以下功能:实例库的建立和维护;人机交互界面的实现;初步完成基于加权检索

2、算法的大跨空间结构选型实例推理;实现了实例关键参数值域分布情况的统计功能;采用数据挖掘算法对实例库进行了关联规则的挖掘,初步挖掘出了实例库中的关联规则,利用决策树和粗糙集的方法产生分类规则,比较了三种数据挖掘方法,给出它们的应用条件,为下一步实现基于知识推理做准备.通过实例演示了该系统的方案生成过程.关键词:大跨空间结构;方案生成;实例推理;数据挖掘;粗糙集中图分类号:T U318文献标识码:A文章编号:0367-6234(200411-1435-04Scheme generation system for intelligent form selection of large 2span s

3、patial structureW ANGLi ,LU Da 2gang ,LI U X iao 2yan ,W ANG G uang 2yuan(School of Civil Engineering ,Harbin Institute of T echnology ,Harbin 150090,China ,E 2mail :wanglihit Abstract :Case 2based reas oning (C BR together with data mining (DM technique is applied in intelligent genera 2tion system

4、 of large 2span spatial structural schemes.The basic system structure of case 2based reas oning and its four key techniques are firstly presented.C ombining C BR with DM ,an intelligent scheme generation system of large 2span spatial structures is developed.The following main functions ,such as ,a c

5、ase 2base of large 2span spatial struc 2tural schemes and its maintenance m odule ,a man 2machine interactive interface ,a weighted retrieving alg orithms for C BR ,the ass ociation rules imbed in case 2base using data mining alg orithms and the classification rules im plicit in case 2base using dec

6、ision trees and rough sets ,are realized.Three data mining methods are com pared ,and then their application potentials are given in order to prepare for the further knowledge 2based reas oning.Finally ,the scheme generation procession using the developed system is shown by a practical engineering e

7、xam ple.K ey w ords :large 2span spatial structures ;scheme generation ;case based reas oning ;data mining ;rough sets收稿日期:2003-10-24.基金项目:国家自然科学基金资助重大项目(59895410;国家自然科学基金资助项目(50378030;黑龙江省自然科学基金资助项目(E00-01.作者简介:王力(1964-,女,博士后,副教授;王光远.(1924-,男,教授,博士生导师,中国工程院院士.工程结构的方案生成阶段是设计师运用抽象思维、形象思维和创造性思维(灵感、顿悟等

8、等思维方式,根据用户对结构的功能要求和其他设计约束条件生成多个型式方案的过程,属于结构“综合”的范畴.它是一个基于专家的设计知识、设计经验和设计实例的创造性过程.大跨空间结构智能选型方案生成处于大跨空间结构方案设计阶段,主要是确定结构的总体形状、体系形式、拓扑形式和材料形式.目前,国外已开始研究并开发支持方案设计的软件1.基于实例的推理(C BR 是一种类比推理方法,其核心在于利用以前的经验和方法,通过类比和联想来解决当前相似问题的一种推理模式2,是人工智能技术中一种较新的推理方法,是一种基于形象思维的设计方法.设计经验表明,设计人员通常根据以前的设计经验来完成当前的设计任务,并不是每次都从头

9、开始.知识工程之父Feigenbaum教授甚至认为:“所有的设计过程都是基于实例的过程,所有的设计问题都是面向实例的”.目前,基于实例的推理技术已经被广泛应用于诊断、预测、规划、控制等许多领域的专家系统和智能决策支持系统的研究与开发中.基于实例推理(C BR的大跨空间结构智能选型的方案生成的突出优点在于它将设计实例作为重要的设计依据,使得设计能从由相似实例形成的初始方案开始,一方面减少了设计中间过程和迭代次数,提高设计效率;另一方面更符合人类专家的设计思维习惯.1基于实例推理的基本结构一个C BR系统一般由实例库、实例检索、实例修正和实例存储四个主要模块构成.实例库中存放着过去求解成功的一组实

10、例.问题描述是对当前待求解问题给出的已知条件.根据问题描述,实例检索从实例库中查找一个与当前问题相匹配的实例,如果该实例完全满足问题描述中的要求则作为结果输出,否则启动实例修正模块对检索出的实例进行修正,直到满足问题描述的要求,形成新实例(也可能失败.随后实例存储模块经一定判断,采用某种索引机制将新实例存储到实例库中,以备将来使用.C BR系统的开发有四个关键技术:实例的表示和组织、实例检索机制、实例修正方法和实例存储索引机制3.2大跨空间结构智能选型方案生成系统的总体结构根据对实例库的不同操作以及实现的功能不同,可将本系统分为3个功能模块:数据库维护模块、实例推理模块、知识规则查找模块.这3

11、个模块相互独立,其中数据库维护模块是整个系统的基础,它对系统的实例库进行维护,为其他两个模块提供了正确的数据.3个模块共同完成大跨空间结构智能选型设计的方案生成功能.211数据库维护模块该模块用于对实例库的维护.主要提供常见的数据库操作,如纪录的查看、添加、删除、修改、查询等.该模块是直接对实例库进行操作,所作任何改变都将存入实例库中.除此模块外,其他模块只是对内存中暂存的数据进行操作.由于数据库中的表关系复杂,数据的增加、删除和修改操作都将涉及到多表操作,必须满足一定的顺序.因此,在设计用户界面时采用了类outlook的界面结构,除了实现数据的上述操作外,还增加了结构和相关两项操作,当界面上

12、显示某一数据表时,相关操作将显示与该表中数据有关的其他表的数据信息,结构操作将显示库中所有表的结构,从而使用户对多表操作的复杂关联关系一目了然.212实例推理模块该模块将通过最小距离查询和动态查询两个子模块完成大跨空间结构型式的智能生成. 21211最小距离查询模块最小距离查询是引入带权的距离公式实现基于实例推理的一种算法基于相似度的加权检索法,通过公式的计算结果来选择实例.首先给出下列定义.距离d:表示两个方案(本处为实例的相似程度.距离的概念与算法中的相似度刚好相反,距离越小,相似度越大.距离为零,则相似度最大,两实例完全相同.距离的取值范围为0,1.权值w:代表该参数对结构型式选择的影响

13、力.权值越大,参数就越能影响结构选型的结果.归一化:将各参数的量纲消去,即称为归一化.这里的实现方法是将某一参数值与该参数中的最大值相除,然后取其结果.如果该参数是文本型的,则无需归一化.理想方案:与之比较的方案,可理解为“坐标”.这里把设计人员输入的方案称为理想方案.带权的最小距离公式为d n=(w1|p n1-p01|2+w2|p n2-p02|2+w m|p nm-p0m|21/2.式中:d n表示实例集中第n个实例与理想实例的距离;w n表示实例中第m个参数的权值;p nm表示第n个实例第m个参数(经过归一化后的值;p0m 表示理想方案的第m个参数的值.输入的步骤是:先确定理想方案.这

14、里,设计人员通过对前一步得到的相似实例集的分析,结合自己的设计知识和设计经验,形成对目前问题的一个大致的解决方案,该方案就是等待输入的理想方案.然后将该方案的属性参数输入(这里的参数也是经过筛选的;再为各个参数设定权值,权值可由系统决定(系统默认每个参数的权值为1/n,n为参数个数,也可由用户自定义;最后设定距离.接受输入数据后,即可通过距离公式来计算每个实例与输入实例的距离,然后进行实例的选6341哈尔滨工业大学学报第36卷择与输出.输出结果有两种形式,若用户设定距离,系统按照给定的距离公式计算出每个实例的距离,选择比给定距离小的实例,按从小到大的顺序输出;否则系统选择距离最小的实例输出.

15、212.2动态查询模块动态查询是对一般查询的扩展.用户可以任意选择参数,任意指定参数范围进行查询.当然,因为有的参数是辅助性的,对于结构选型没有太大帮助,故对这些参数进行了筛选,只选出了9种参数供用户选择.该模块通过对话框来接受输入,由空间视图显示结果,要求能够让用户自由选择参数,并能人工确定某些数值型参数的范围.通过一个函数即可实现其主要算法.通过动态查询,设计人员可以得到与当前问题环境相似的实例集.这些实例是当前问题的近似解,经过设计人员的评价和修改,可能成为问题的最终解.对于查询出的实例,设计人员可以直接对其进行修改和导入、导出操作.这里的修改是对内存中的数据进行修改,不会改变数据库.导

16、出操作可将设计人员满意的实例保存到磁盘文件中,留待以后再导入.设计人员也可将几次查询结果存入一个文件中,然后一起导入,以便对比察看.经过以上两模块,即完成了结构型式的智能生成.整个过程中,贯穿了对以往的设计实例和设计人员的设计知识、设计经验的利用.213知识规则查找模块该模块包含统计参数值域分布和数据挖掘模块.通过这两个模块的完成,能够发现隐藏在众多实例中的各种关联规则(即知识规则.这些关联规则将为基于知识推理的开发提供帮助. 21311参数值域分布统计模块参数值域分布统计模块是针对专家提出的要求,对其指定的参数结构型式与结构跨度、平面长宽比、支承形式之间的相关性进行统计.具体地说,是统计在采

17、用某种大跨空间结构型式的条件下,跨度、长宽比、高宽比、支承形式的值域分布情况.该功能是领域专家在实践中提出的,具有比较强的实用性.大跨空间结构型式是结构选型中最重要的参数,统计结果可以显示出在各种条件下选择大跨空间结构型式的一般规律,这也属于知识规则的查找.统计结果将以曲线图的方式显示.曲线图能够相应鼠标移入和双击事件,鼠标移经曲线上某有意义点时,会显示相应的提示信息;如在该点双击,将弹出对话框显示具体信息.21312数据挖掘模块关联规则的挖掘、粗糙集挖掘和决策树挖掘3个子模块属于数据挖掘范畴,是对数据库数据的一种高级处理.把实例集称为事务集,项目则是实例的各个参数的各个取值段.关联规则A B

18、的意义为参数A存在,则参数B存在.为了使挖掘出的关联规则有意义,对Apriori 算法进行了改变,将第一步系统构造频繁1-项目集改为手工构造,即由专家对实例的参数进行筛选,并将参数的值域分段,取值段的集合即为频繁1-项目集.总共选择了7个参数,共30个项目.这些参数和值段的选择是经过对实例库的仔细分析得出的,具有典型意义.候选2-项目集由以上取值段项目的两两组合即可得到.然后是构造频繁2-项目集,并选择其中大于最小信任度的规则.在该模块中,用户只需输入最小支持度和最小可信度,确定之后,系统将以坐标图的方式显示出挖掘到的关联规则.坐标图与上面的曲线图一样,也能够相应鼠标移入和双击事件,显示提示信

19、息.利用Apriori算法产生关联规则,利用决策树(I D3算法和粗糙集的方法产生分类规则,选择已有的大跨空间结构实例作为实验数据,发现这些方法各有所长.1利用Apriori算法发现关联规则,会出现大量的以单个属性值作为规则前件的关联规则,例如:功能-综合=大跨空间结构型式-悬索结构,设防烈度-7=大跨空间结构型式-组合结构;而利用I D3算法的决策树方法,以单个属性值为规则前件的分类规则很少出现.因为利用Apriori算法挖掘关联规则是产生频繁项集,由频繁项集产生关联规则.而从频繁2-项集开始就会产生关联规则,这时的规则前件和后件为两个属性值,其后产生的规则前件和后件的属性值逐步增加;对于利

20、用I D3算法挖掘分类规则的决策树方法,是把所有的属性值按照剩余熵最小原则进行层次划分,一直到所有的属性值均被划分,决策树构造完后,才由根结点到叶子结点为一条分类规则,在这种情况下,一般地决策树每个分枝上的决策结点较多,即规则前件较多.因此,如果用户想考察某一个属性对选择某一个大跨空间结构型式是否有影响,建议采用Apriori算法.2利用I D3算法发现的分类规则中,前件比较多的比例较大;而利用Apriori算法发现关联规则的前件明显比分类规则少.这是因为前者是按照属性对实验数据进行层次划分,直至所有的实7341第11期王力,等:大跨空间结构智能选型方案生成系统验数据都可以归类;而后者是由生成

21、的频繁项集产生规则,一旦代表某些属性值的项目支持度小于最小支持度,就不会进入频繁项集,产生的规则中就会缺少这样的属性.因此,如果用户想考察对选择某个大跨空间结构型式会发生影响的所有可能的属性,建议选择I D3算法.3对于同样的实例集,在利用Apriori算法产生的关联规则中会出现的规则不一定显式出现在利用I D3算法产生的分类规则中;反之,在利用I D3算法产生分类规则中会出现的规则也不一定出现在利用Apriori算法产生的关联规则中.4利用Apriori算法产生的关联规则是项目经过任意组合而来,它们之间没有层次组织关系;而利用I D3算法产生的分类规则是构造决策树而来,从树的结构可知,它们是

22、具有层次组织关系的规则,数据结构化程度高.因此,关联规则需要经过规则输出淘汰原则的过滤,更好地体现规则彼次之间的关系.而分类规则不需要.5利用粗糙集的方法发现的分类规则和利用I D3算法发现的分类规则以及利用Apriori算法发现的关联规则比较,规则量少很多.但从粗糙集的分类过程中,可以知道它求的是最小规则集,规则集中的这些规则的前件都是对于规则后件来说最关键的因素.6对于新的训练样本,决策树构造完后,都可以按照决策树找到分类结果;而粗糙集则不一定,只有当前新训练样本的属性符合粗糙集推出的规则集中的规则的前件的情况下,才可以找到分类结果,否则,这个训练样本此次无法分类.7利用Apriori算法

23、发现关联规则和利用粗糙集方法发现分类规则,都适合样本不断丰富,样本空间不断完善的动态变化的过程;而利用I D3算法的决策树方法则要求开始构造树时的样本集就很完备,样本能较好地反映库中数据特征.3大跨空间结构智能选型方案生成系统本系统采用Micros oft公司的可视化集成开发工具Visual C+610作为前台开发工具,Micros oft S Q L Server2000的开发环境下建造了实例库,录入了上千个实例数据,通过MFC ODBC进行数据库连接.系统采用ODBC作为VC与Access间的数据接口.ODBC能与各种关系数据库相联,只要拥有该数据库的驱动程序,应用程序就可通过驱动程序管理器连接到该驱动程序上,从而对该数据库进行存取.先进入控制面板中的驱动程序管理器,选择用户DS N,添加上Access类型的驱动程序,然后选择数据源名